【LangChain学习笔记】Python环境搭建

Anaconda：多版本环境管理工具

工具概述

在Python数据科学领域，环境管理几乎是每位开发者最先遇到的拦路虎。不同项目依赖不同版本的Python，各种包之间的版本冲突更是家常便饭。Anaconda正是为了解决这类问题而生——它不仅能快速创建、切换多版本Python环境，还内置了大量科学计算常用的依赖包，省去了一个个手动安装的麻烦。

安装方式

1. 下载渠道选择（优先镜像源）

官方下载渠道有两个让人头疼的痛点：一是必须登录账号才能下载，二是服务器在境外，国内下载速度慢得令人抓狂。所以，优先推荐使用清华镜像源——无需登录，下载速度快，而且资源与官方保持同步。

2. 版本选择原则

版本选择的核心标准很简单：看发布日期。优先选择最新版本，避免旧版本中可能存在的兼容性错误或安装异常问题。一句话，越新越稳。

3. 配置环境变量

Anaconda安装完成后，还需要手动配置环境变量，否则在控制台中无法直接使用conda命令。这一步很多新手容易忽略，导致后续操作卡壳。

3.1 配置步骤

1. 进入系统设置：设置 → 系统 → 关于 → 高级系统设置 → 环境变量；
2. 在「系统变量」中找到Path变量，点击「编辑」；
3. 新增Anaconda相关路径（参考下方默认路径，需根据实际安装目录调整）；
4. 保存配置，重启控制台使设置生效。

3.2 默认环境变量路径（参考）

C:ProgramDataanaconda3
C:ProgramDataanaconda3Scripts
C:ProgramDataanaconda3Librarybin

3.3 安装与配置验证

# 查看 conda 版本，正常显示版本号则安装配置成功
conda --version

使用示例

Anaconda的核心价值在于环境的创建、切换和管理。建议优先使用Anaconda内置的界面应用Anaconda Na vigator，对新手来说更直观。当然，熟悉命令行后也可以直接用conda指令操作，效率更高。

uv： Python 包管理器

工具概述

如果说Anaconda是环境管理的老牌选手，那uv就是近年杀出的黑马。它由Astral公司基于Rust开发，兼容pip的使用习惯，但安装速度极快、内存占用低，还内置了虚拟环境管理功能。简单来说，uv是pip和venv的高效替代方案，能大幅提升包安装与项目管理的效率。

安装方式

1. 安装方法（优先镜像源）

直接从官方源安装，很可能因为网络问题导致超时。推荐使用国内镜像源，Windows/macOS/Linux系统通用。

# 清华 PyPI 镜像安装（推荐）
pip3 install uv -i https://pypi.tuna.tsinghua.edu.cn/simple

1.1 安装验证

# 查看 uv 版本，正常显示版本号则安装成功
uv --version

使用示例

1. 初始化项目

# 初始化名为 project_demo 的项目（会自动生成 pyproject.toml 文件）
uv init project_demo

2. 配置镜像源

在项目根目录的pyproject.toml文件中配置uv镜像源，确保后续包安装速度：

[project]
name = "project_demo"
version = "0.1.0"
requires-python = ">=3.13"  # 需根据实际使用的 Python 版本调整

[tool.uv]
# 配置清华 PyPI 镜像源
index-url = "https://pypi.tuna.tsinghua.edu.cn/simple"

3. 安装模块

# 安装 langchain_openai 模块
uv add langchain_openai

Ruff：高性能代码检查与格式化工具

工具概述

Ruff是另一个基于Rust开发的利器，它将代码检查（Linter）和格式化（Formatter）合二为一。核心价值在于自动化规范代码风格、检测潜在问题，从而提升开发效率和代码质量。对于团队协作项目来说，这几乎是标配。

配置文件（pyproject.toml）

通过项目根目录的pyproject.toml文件可以自定义Ruff规则，它的优先级高于默认配置，能够适配项目专属规范。下面是一个典型的配置示例：

[project]
name = "project-demo"
version = "0.1.0"
requires-python = ">=3.10"

[tool.ruff]
target-version = "py310"        # 适配的 Python 版本，与上方保持一致
line-length = 88                # 代码行长度限制（默认 88，符合 PEP8 规范）

[tool.ruff.lint]
# 启用核心规则集（推荐，避免过度检查）
select = ["E", "W", "F", "I", "B"]
# 禁用特定规则（根据项目需求调整，示例：禁用行长度检查）
disable = ["E501"]
# 忽略无需检查的文件/目录（必配置，避免检查冗余文件）
exclude = ["venv/", "__pycache__/", "build/", "dist/", ".git/"]

[tool.ruff.format]
line-length = 88                # 格式化行长度与检查规则保持一致
quote-style = "preserve"        # 保留原有引号风格（默认会统一为双引号）

控制台集成

1. 使用 pip 安装

# 基础安装
pip install ruff

# 国内镜像源加速安装（推荐，解决下载慢问题）
pip install ruff -i https://pypi.tuna.tsinghua.edu.cn/simple

1.1 安装验证

# 查看 Ruff 版本，正常显示版本号则安装成功
ruff --version

控制台使用示例

Ruff的核心命令分为两类：ruff check（代码检查）和ruff format（代码格式化）。两者分工明确，配合使用效果最佳。

代码格式化（ruff format）

作用：自动优化代码样式，解决缩进混乱、空格缺失、行过长等格式问题，让代码整洁统一。

基础用法

# 格式化单个文件
ruff format main.py

# 格式化指定目录（递归处理所有 .py 文件）
ruff format ./src/

# 格式化当前目录所有文件（最常用）
ruff format .

只检查不修改（--check 参数）

适用于代码提交前校验，仅检测格式问题，不实际修改文件：

# 检查单个文件格式
ruff format --check main.py

# 检查当前目录所有文件格式
ruff format --check .

代码检查（ruff check）

作用：检测代码中的逻辑错误、规范违规等问题（如未定义变量、未使用导入），仅报告问题，不主动修改文件。

基础用法

# 检查单个文件
ruff check main.py

# 检查当前目录所有文件
ruff check .

自动修复问题（--fix 参数）

一键修复支持自动修复的问题（如删除未使用导入、调整缩进）：

# 自动修复单个文件的可修复问题
ruff check --fix main.py

# 自动修复当前目录所有文件的可修复问题
ruff check --fix .

核心命令区别对比

VS Code编辑器集成

如果将Ruff集成到VS Code中，可以实现「保存时自动格式化+自动修复问题」，无需手动执行命令，开发效率会提升不少。

1. 安装 Ruff 插件

1. 打开VS Code，点击左侧「扩展」图标。
2. 在搜索框输入「Ruff」，选择官方出品的插件。
3. 点击「安装」，等待安装完成。

2. 配置自动保存触发

1. 在项目根目录新建文件夹.vscode。
2. 在.vscode文件夹内新建文件settings.json。
3. 写入以下配置：

{
  // 保存时自动格式化代码
  "editor.formatOnSa ve": true,
  // 保存时自动触发代码检查修复
  "editor.codeActionsOnSa ve": {
    "source.fixAll": "always"
  },
  // 将 Ruff 设置为 Python 文件的默认格式化工具
  "[python]": {
    "editor.defaultFormatter": "charliermarsh.ruff"
  },
}

配置生效后，编辑Python文件并保存（Ctrl+S），就会自动执行Ruff格式化与可修复问题的修复。从此告别手动敲命令的繁琐。