【AI开发笔记】最新Miniconda+VSCode安装指南

【AI开发笔记】最新Miniconda+VSCode安装指南

安装 Miniconda + VS Code 是 Python 开发(尤其是数据科学、AI、机器学习)的黄金组合。下面为你提供一份 2026年最新、清晰、零基础友好 的详细安装指南,适用于 Windows / macOS / Linux 三大系统。


✅ 最终目标

  • 安装 Miniconda(轻量版 Conda,管理 Python 环境)
  • 安装 VS Code(代码编辑器)
  • 在 VS Code 中正确调用 Conda 环境,实现代码高亮、调试、智能提示

第一步:安装 Miniconda

💡 为什么选 Miniconda?
相比 Anaconda(5GB+),Miniconda 只有 ~50MB,只包含 conda + Python,按需安装包,更干净高效。

🔽 下载地址

官方下载页:https://docs.conda.io/en/latest/miniconda.html

系统推荐版本
WindowsMiniconda3 Windows 64-bit(.exe 安装包)
macOS (Intel)Miniconda3 macOS Intel x86_64
macOS (Apple Silicon M1/M2/M3)Miniconda3 macOS Apple M1 64-bit
LinuxMiniconda3 Linux 64-bit(.sh 脚本)

🛠️ 安装步骤

▶ Windows
  1. 双击下载的 .exe 文件
  2. 勾选 “Add Miniconda to my PATH environment variable”(可选,但推荐勾选方便命令行使用)
  3. 选择 “Just Me”
  4. 安装路径建议默认(如 C:\Users\<你的用户名>\miniconda3
  5. 点击 Install → Finish
⚠️ 如果没勾选 PATH,后续需在 VS Code 中手动指定 Python 解释器路径。
▶ macOS
  1. 打开终端(Terminal)
  2. 按提示回车 → 输入 yes → 使用默认路径 → 最后输入 conda init
  3. 关闭并重新打开终端

运行以下命令(以 Apple Silicon 为例):

# 下载 curl -O https://repo.anaconda.com/miniconda/Miniconda3-latest-MacOSX-arm64.sh # 安装 bash Miniconda3-latest-MacOSX-arm64.sh
▶ Linux
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh bash Miniconda3-llatest-Linux-x86_64.sh # 同样按提示操作,最后运行 conda init

✅ 验证安装

打开 终端(Terminal)或命令提示符(CMD/PowerShell),输入:

conda --version python --version

应显示类似:

1conda 24.5.0 2Python 3.11.9

第二步:安装 VS Code

🔽 下载地址

官方下载页:https://code.visualstudio.com/Download

  • Windows:下载 .exe
  • macOS:下载 .zip(拖入 Applications 文件夹)
  • Linux:根据发行版选择 .deb / .rpm / tar.gz

🛠️ 安装

  • Windows/macOS:双击安装,一路默认即可
  • Linux:按系统习惯安装(如 Ubuntu 双击 .deb)

第三步:配置 VS Code 使用 Miniconda

1. 安装关键插件

打开 VS Code → 左侧扩展商店(Extensions)→ 搜索并安装:

插件名作用
Python(by Microsoft)核心 Python 支持(必装!)
Pylance(by Microsoft)智能补全、类型检查(强烈推荐)
Jupyter(by Microsoft)支持 .ipynb 笔记本文件
✅ 安装后重启 VS Code。

2. 设置 Python 解释器(关键!)

  1. 打开一个 Python 项目文件夹(或新建 .py 文件)
  2. 按 Ctrl+Shift+P(Windows/Linux)或 Cmd+Shift+P(macOS)打开命令面板
  3. 输入并选择:Python: Select Interpreter
  4. 在下拉列表中,找到类似这样的路径:
    • Windows: ~\miniconda3\python.exe
    • macOS/Linux: /Users/xxx/miniconda3/bin/python
💡 如果没看到,点击 “Enter interpreter path...” 手动定位到 Miniconda 的 python.exebin/python

✅ 选中后,VS Code 底部状态栏会显示当前使用的 Python 版本和环境。


3. (可选)创建独立 Conda 环境

避免包冲突,建议为每个项目创建独立环境:

# 创建名为 myproject 的环境,使用 Python 3.11 conda create -n myproject python=3.11 # 激活环境 conda activate myproject # 安装包(例如) pip install numpy pandas matplotlib # 在 VS Code 中选择这个环境的解释器 # 路径通常是: # Windows: miniconda3/envs/myproject/python.exe # macOS: ~/miniconda3/envs/myproject/bin/python

第四步:测试是否成功

  1. 右键 → “Run Python File”

输出应显示 Miniconda 的路径,例如:

Python 路径: C:\Users\Alice\miniconda3\python.exe Conda 环境已成功集成!

在 VS Code 中新建 test.py

import sys print("Python 路径:", sys.executable) print("Conda 环境已成功集成!")

🎯 常见问题解决

问题解决方案
VS Code 找不到 Conda 环境重启 VS Code;或手动指定解释器路径
终端中 conda 命令无效重新运行 conda init,或重启终端
macOS 提示“无法验证开发者”系统设置 → 隐私与安全性 → 允许运行
安装慢(国内用户)使用清华镜像:
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

✅ 总结:你的开发环境已就绪!

你现在拥有:

  • 一个干净、可隔离的 Python 环境管理工具(Miniconda)
  • 一个强大、轻量、支持 AI 开发的编辑器(VS Code)
  • 可随时安装 PyTorch、TensorFlow、Hugging Face、OpenCV 等库。

Read more

AI+playwright+robotframework实现AI大模型驱动的web UI自动化测试

文章目录 * 前言 * 一、playwright与selenium 对比 * 二、AI-playwright MCP * 三、Playwright封装设计建议 * robotframerwork-browser 介绍 前言 前些日子将团队内的UI自动化完成了重构,由之前使用的selenium的迁移到了新生的工具playwright。 在AI大模型的加持下,脚本质量稳定和编写效率上得到了明显提升。刚刚发了一个关于AI 编写自动化接口测试的博客,看起来反响不错,所以又写了这篇文章与大家分享。本文从playwright与selenium 对比出发,尽量用简单语言来描述,一篇文章不太可能教会你如何去写,更多的是思路与设计的分享 一、playwright与selenium 对比 关于对比,之前有博主总结的蛮好,直接引用了 Playwright 与Selenium对比。我稍微总结一下,便于理解,从原理上对比 * selenium 使用“代理”webdriver 协议来统一接口对接不同厂家的浏览器 * playwright直接和各个浏览器原生底层调试协议来通信,

AI之Tool:Prism的简介、安装和使用方法、案例应用之详细攻略

AI之Tool:Prism的简介、安装和使用方法、案例应用之详细攻略

AI之Tool:Prism的简介、安装和使用方法、案例应用之详细攻略 目录 Prism的简介 1、特点 Prism的安装与使用方法 1、安装 2、使用方法 (1)、启动与访问(快速开始) (2)、创建项目与邀请协作者 (3)、在原生 LaTeX 编辑器中撰写与编译 (4)、调用 GPT-5.2 进行写作与修订 (5)、文献检索与整合 (6)、白板公式与图表转换 (7)、语音编辑 (8)、准备投稿与导出 Prism的案例应用 从零开始撰写学术论文(单人研究者) 跨机构合著(多人团队) 数学/理论论文的复杂推导与一致性检查 文献回顾与融合最新研究(动态更新稿件) 导师—学生协作与教学场景 快速将手写/白板想法转入可编译稿件 Prism的简介 2026年1月27日,

搭建恋爱AI:用 Nexent 上传多风格文档构建知识库,打造温柔恋爱陪伴助手

搭建恋爱AI:用 Nexent 上传多风格文档构建知识库,打造温柔恋爱陪伴助手

文章目录 * 一、前言:为什么做一个恋爱陪伴类智能体? * 二、模型接入:批量导入,一次配置终身复用 * 三、多格式知识库实践:MD/Word/PPT 全场景测试 * 1. 知识库文件准备 * 2. 上传与向量化处理 * 3. 多格式知识库总结能力体验 * 四、智能体开发:一键生成提示词,快速配置 * 参考示例: * 五、调试与对话效果:多格式知识库的实际调用 * 测试场景 1:询问初识沟通技巧 * 测试场景 2:询问吵架后如何化解 * 六、真实感悟:Nexent 哪里好用?哪里还能优化? * 个人认为比较好的点 * 觉得可以提升的地方 一、前言:为什么做一个恋爱陪伴类智能体? 在快节奏的生活里,很多人在恋爱中会遇到沟通卡顿、矛盾不知如何化解、情绪无处安放的问题。通用大模型给出的建议要么空泛鸡汤,要么缺乏边界感,