装 Python 环境不用再看教程了把这几句话发给 AI 就行装环境这事卡在两个地方一是步骤碎下载、配PATH、装 Anaconda、换源、装包二是不知道装完到底算不算成功。现在这两个问题可以一起省掉——**把下面的提示词复制给 WorkBuddy百度搜索即可安装、Codex、Claude Code 这类工具跑一遍它就给你装好并且验证过。**后续可以再按照教程创建自己需要的虚拟环境一路畅通无阻。每段提示词方括号里换成你的实际情况就行。一、装 Python最轻量的那种适合只写脚本、不搞深度学习的场景装完大概 30 MB。帮我在这台电脑[Windows 11]上装官方 Python 3.11用官方安装包装完加到 PATH。 如果电脑里已经有 Python先告诉我版本不要重复装。 装完新建两个虚拟环境 data 和 dl把它们所在目录告诉我。要 Anaconda虚拟环境便于用于深度学习等工作 就换成这句帮我装 Miniconda不要完整版 Anaconda太大装在默认路径。 配好清华源告诉我配置文件写在哪。 建两个环境data 装 numpy pandas matplotlib seaborn scikit-learn openpyxl dl 装 PyTorch CPU 版和 torchvision。 每个环境都实际 import 一遍验证不要只告诉我命令执行完了。Miniconda 和 Anaconda 的区别前者只给 conda 和 Python几百 MB后者预装几百个包35 GB而且预装的包版本经常和你项目要的冲突。新手直接上 Miniconda 更省心。二、装常用包我要做[数据分析/ 办公自动化 / 图像处理]帮我把需要的包装到虚拟环境[dl]里 pip 用清华源加速。装完打印每个包的版本号验证一下。常见的组合直接抄用途包数据分析numpy pandas matplotlib seaborn scikit-learn statsmodelsExcel / Word / PDFopenpyxl python-docx pymupdf图像处理pillow opencv-python自动化办公pywin32 openpyxl pyautogui网页抓取requests beautifulsoup4 lxml深度学习torch torchvision torchaudio按 GPU 情况选版本三、深度学习环境GPU这段最容易踩坑因为版本对应关系半年就变。别凭记忆敲命令让它先探测我要搭深度学习环境。先跑 nvidia-smi 看我的显卡和驱动版本 再据此决定 PyTorch 该装哪个版本CUDA 版还是 CPU 版并说明理由。 先装 CPU 版验证流程跑通再换GPU 版。 装完写一个脚本在 GPU 上做三次矩阵乘法并计时 打印设备名、CUDA 版本、显存占用和每轮耗时我要看到真实输出。显存够不够跑某个模型让它算一下我要微调一个[7B] 的模型显卡是[RTX 4060 Laptop 8GB]。 告诉我够不够跑如果不够给出可行的替代方案量化、微调方法、换模型。四、换源加速帮我给 pip 和 conda 配国内镜像清华、阿里、华为对比一下延迟再选 写用户级配置文件告诉我路径并给我一条临时切回官方源的命令。改完记得重开终端不然不生效。五、验证装好没有这一步别省。“命令执行完了不等于能用”。帮我检查这个 Python 环境跑 pip list 和 pip check 再实际 import 一遍我要用的包任何报错都列出来。如果报AttributeError: _ARRAY_API not found这类错那就是 numpy 被升到 2.x而 pandas、matplotlib 这些老包还是按 1.x 编译的二进制不兼容。修法我的环境里 pandas 和 matplotlib import 报 _ARRAY_API not found。 先只读诊断不要直接改查清楚是哪个包把 numpy 升到了 2.x 给我两种修复方案回退 numpy / 升级 pandas及各自风险等我确认再动手。几条省事的习惯别往base 环境装业务包conda create -n 名字或者venv建个隔离环境出事删了不心疼大版本升级前先想一下比如pip install numpy会牵连一屋子包重要环境存个档conda env export env.yml深度学习先跑 CPU 版流程通了再换 GPU 版省得下2 GB 下载失败后不知道问题在哪写在最后上面这几段提示词我在自己机器上跑过。实测数据装环境用了 Anaconda Python 3.11.7清华源装包 16 秒搞定验证方式是真实 import 打印版本号。安装这事本来就不该占脑子让工具干、你验收就行。本文提到的 CUDA、PyTorch 版本对应关系请以 NVIDIA 官方矩阵为准别照抄去年的教程。