大模型应用开发 / 系统课时
搭建 Python 开发环境
搭建 Python 开发环境
RAG 项目通常依赖多个 Python 库,包括文档处理、向量计算、模型调用和服务框架。本课将完成本地开发环境搭建,创建隔离环境并建立清晰目录结构,为后续编码做好准备。
学习目标
- 掌握 Python 虚拟环境的创建和使用方法
- 完成 RAG 项目基础依赖安装
- 建立适合开发和部署的项目目录结构
创建独立 Python 虚拟环境
不同项目可能依赖不同版本的 Python 包,直接安装到系统环境容易产生冲突。虚拟环境能够隔离项目依赖,让开发和部署更加稳定。
以下示例使用 Python 内置的 venv 创建开发环境。
bash
python -m venv .venv
source .venv/bin/activate
python --version预期输出
text
Python 3.x.x实际 Python 版本可能因本机安装环境不同而变化。
安装项目依赖
RAG 项目通常需要文档处理、向量计算和接口开发相关依赖。依赖文件应集中管理,避免团队成员手动安装造成环境差异。
text
rag-project/
├── app/
│ ├── api/
│ ├── services/
│ └── config/
├── data/
│ ├── raw/
│ └── processed/
├── scripts/
├── tests/
├── requirements.txt
└── README.md该目录将业务代码、原始数据、处理结果和测试代码分开,便于后续扩展。
配置依赖文件
使用依赖文件记录当前项目需要的软件包版本,可以在新的机器上快速恢复环境。
bash
pip install -r requirements.txt
pip freeze > requirements.txt预期结果
text
Successfully installed project dependencies具体安装信息会根据依赖版本和本地缓存情况变化。
验证开发环境
环境搭建完成后,应验证 Python、包管理工具和项目目录是否正常工作。后续调试问题时,先确认环境一致性可以减少无效排查。
常见检查包括 Python 版本、虚拟环境状态、依赖是否缺失以及配置文件是否正确加载。
处理常见环境问题
如果安装依赖失败,优先检查 Python 版本是否满足项目要求,以及网络环境是否能够访问包仓库。
如果出现包版本冲突,应重新创建虚拟环境,而不是继续在已有环境中叠加安装。
按自己的节奏,确认真正理解。