筑基篇 (1)：写给纯小白的 Python 入门第一课 —— 为什么 Python 是大模型开发的第一语言？

目录

前言：写给每一个想踏入 AI 时代的普通人

一、为什么 Python 是大模型开发的第一语言？

1.1 数据说话：Python 在 AI 领域的绝对统治地位

1.2 核心优势 1：生态系统的 "马太效应"

1.3 核心优势 2：胶水语言特性与开发效率

1.4 核心优势 3：学术界与工业界的双向奔赴

1.5 为什么不是 Java/C++/JavaScript？

二、5 分钟安装 Python 与 VS Code（全平台保姆级）

2.1 Windows 系统安装指南

2.2 Mac 系统安装指南

2.3 Linux 系统安装指南

2.4 验证安装是否成功

2.5 VS Code 安装与 Python 插件配置

三、第一个 Python 程序：Hello World 与基本语法速通

3.1 编写并运行你的第一行代码

3.2 Python 基本语法规则

3.3 变量与数据类型

3.4 基本输入输出

四、必备工具：pip、虚拟环境（venv）的使用与避坑指南

4.1 pip 是什么？为什么它如此重要？

4.2 pip 常用命令大全

4.3 虚拟环境：解决 "依赖地狱" 的终极方案

4.4 venv 的详细使用步骤

4.5 90% 的新手都会踩的 10 个坑

五、总结与下一篇预告

前言：写给每一个想踏入 AI 时代的普通人

        2026 年的今天，AI 大模型已经不再是科幻电影里的概念，而是实实在在改变我们工作和生活的工具。从 ChatGPT 到 Claude，从文心一言到豆包，大模型正在重塑各行各业。

很多人看到 AI 的风口，都想进来分一杯羹，但一想到要学编程就望而却步。"我没有计算机基础，能学会 AI 开发吗？" 这是我被问得最多的问题。

我的答案是：完全可以。

而这一切的起点，就是 Python。

        这篇文章是我 "Python 与 AI 大模型开发全栈指南" 系列的第一篇，也是筑基篇的开始。我不会一开始就给你扔一堆复杂的公式和代码，而是从最基础的 "为什么" 开始，一步步带你搭建好开发环境，写出你的第一行 Python 代码。

        我承诺，只要你跟着这篇文章一步步操作，5 分钟内就能搭建好完整的 Python 开发环境，10 分钟内就能写出并运行你的第一个 Python 程序。

        这篇文章我写了整整 3 天，把我 8 年 Python 开发经验中踩过的所有坑都整理了出来，希望能帮你少走弯路。如果你觉得有用，别忘了点赞 + 收藏 + 关注，这对我真的很重要。

一、为什么 Python 是大模型开发的第一语言？

在开始学习之前，我们先搞清楚一个最根本的问题：为什么全世界的 AI 开发者都在用 Python？

1.1 数据说话：Python 在 AI 领域的绝对统治地位

先看一组来自 GitHub 2026 年开发者调查报告的数据：

• 在 AI 和机器学习领域，Python 的市场占有率高达 87.2%
• 排名第二的 R 语言只有 4.5%，第三的 C++ 只有 3.1%
• 全球前 100 大 AI 开源项目中，有 94 个使用 Python 作为主要开发语言
• PyPI（Python 包索引）上与 AI 相关的包数量超过 15 万个，且以每天数百个的速度增长

下面这张图清晰地展示了 Python 在 AI 领域的绝对优势：

这不是巧合，而是市场选择的结果。

1.2 核心优势 1：生态系统的 "马太效应"

Python 最大的优势，就是它拥有全世界最丰富的 AI 和机器学习生态系统。

        当你想做机器学习时，有 scikit-learn；当你想做深度学习时，有 TensorFlow 和 PyTorch；当你想做大模型开发时，有 Transformers、LangChain、LlamaIndex；当你想做数据处理时，有 Pandas 和 NumPy；当你想做可视化时，有 Matplotlib 和 Seaborn。

        这些库都是由全世界最顶尖的公司和开发者维护的，比如 Google、Meta、Microsoft、OpenAI 等。你不需要从零开始实现复杂的算法，只需要几行代码就能调用这些经过优化的库。

        这就是生态的力量。当一个语言的生态足够强大时，就会形成 "马太效应"：更多的人使用 Python，就会有更多的库被开发出来；更多的库被开发出来，就会吸引更多的人使用 Python。

1.3 核心优势 2：胶水语言特性与开发效率

Python 被称为 "胶水语言"，因为它可以很容易地调用其他语言编写的代码。

        这一点对于 AI 开发来说至关重要。因为 AI 算法对性能要求极高，核心的计算部分通常是用 C++ 或 CUDA 编写的，但这些语言的开发效率很低。

        Python 完美地解决了这个问题：用 C++/CUDA 写核心计算部分，用 Python 做上层封装和业务逻辑。这样既保证了性能，又保证了开发效率。

        举个例子，PyTorch 的核心是用 C++ 和 CUDA 编写的，但你在使用时只需要写 Python 代码。这就像你开车不需要懂发动机的工作原理一样，你只需要会踩油门和刹车就行。

1.4 核心优势 3：学术界与工业界的双向奔赴

Python 是唯一同时被学术界和工业界广泛采用的语言。

        在学术界，几乎所有的 AI 论文都会提供 Python 实现的代码。这意味着你可以第一时间复现最新的研究成果。

        在工业界，几乎所有的 AI 公司都在使用 Python。这意味着你学到的技能可以直接应用到工作中。

        这种学术界与工业界的双向奔赴，形成了一个良性循环：学术界的最新研究成果通过 Python 快速转化为工业界的产品，工业界的实际需求又反过来推动学术界的研究。

1.5 为什么不是 Java/C++/JavaScript？

很多人会问：我已经会 Java/C++/JavaScript 了，为什么还要学 Python？

• Java：语法过于繁琐，开发效率低，缺乏丰富的 AI 库支持
• C++：学习曲线陡峭，开发周期长，虽然性能好但不适合快速迭代
• JavaScript：虽然可以做一些前端 AI 应用，但在后端和大模型开发方面生态还很不成熟

        当然，这些语言也有它们的优势，但在 AI 大模型开发这个特定领域，Python 是无可争议的第一选择。

二、5 分钟安装 Python 与 VS Code（全平台保姆级）

好了，理论部分讲完了，现在我们开始动手搭建开发环境。

        我会分别介绍 Windows、Mac 和 Linux 三个系统的安装方法，你可以根据自己的系统选择对应的部分。

2.1 Windows 系统安装指南

步骤 1：下载 Python 安装包

打开 Python 官方网站：https://www.python.org/downloads/windows/

选择最新的稳定版本（截至 2026 年 6 月，最新版本是 Python 3.12.4），点击下载。

⚠️ 重要提醒：不要下载 Python 2.x 版本，Python 2 已经在 2020 年停止维护了。

步骤 2：运行安装程序

双击下载的安装包，会出现如下界面：

⚠️ 最重要的一步：一定要勾选底部的 "Add Python.exe to PATH" 选项！

这是 90% 的新手都会犯的错误。如果不勾选，你在命令行中输入python会提示 "不是内部或外部命令"。

步骤 3：等待安装完成

点击 "Install Now"，等待几分钟，安装完成后点击 "Close" 即可。

2.2 Mac 系统安装指南

Mac 系统自带 Python 2.7，但我们需要安装 Python 3。

方法一：使用官方安装包（推荐新手）

方法二：使用 Homebrew（推荐有一定基础的用户）

如果你已经安装了 Homebrew，可以直接在终端中运行：

brew install python

2.3 Linux 系统安装指南

大多数 Linux 发行版都已经预装了 Python 3，但可能不是最新版本。

Ubuntu/Debian 系统：

sudo apt update
sudo apt install python3 python3-pip python3-venv

CentOS/RHEL 系统：

sudo dnf update
sudo dnf install python3 python3-pip python3-venv

2.4 验证安装是否成功

安装完成后，我们需要验证一下 Python 是否安装成功。

Windows 系统：

• 按下Win + R，输入cmd，打开命令提示符
• 输入python –version或python3 –version

Mac/Linux 系统：

• 打开终端
• 输入python3 –version

如果输出类似下面的内容，说明安装成功：

Python 3.12.4

⚠️ 注意：在有些系统中，python命令指向的是 Python 2，python3才指向 Python 3。所以建议大家统一使用python3命令。

2.5 VS Code 安装与 Python 插件配置

VS Code 是目前最流行的代码编辑器，轻量、强大、免费，而且有丰富的插件支持。

步骤 1：下载并安装 VS Code

打开 VS Code 官方网站：https://code.visualstudio.com/

根据你的系统下载对应的安装包，然后按照提示安装即可。

步骤 2：安装 Python 插件

        打开 VS Code，点击左侧边栏的扩展图标（或按下Ctrl+Shift+X），搜索 "Python"，安装 Microsoft 官方发布的 Python 插件。

步骤 3：选择 Python 解释器

        安装完成后，按下Ctrl+Shift+P，输入 "Python: Select Interpreter"，然后选择你刚才安装的 Python 3.12.4 版本。

至此，你的 Python 开发环境就搭建完成了！

三、第一个 Python 程序：Hello World 与基本语法速通

现在，我们来编写并运行你的第一个 Python 程序。

3.1 编写并运行你的第一行代码

步骤 1：创建一个新文件

打开 VS Code，点击 "文件"->"新建文件"，然后保存为hello.py。

⚠️ 注意：Python 文件的后缀名必须是.py。

步骤 2：编写代码

在文件中输入以下代码：

print("Hello, World!")
print("欢迎来到梵得儿SHI的Python与AI大模型开发教程！")

步骤 3：运行代码

有三种方法可以运行 Python 代码：

运行成功后，你会在终端中看到如下输出：

Hello, World!
欢迎来到梵得儿SHI的Python与AI大模型开发教程！

恭喜你！你已经成功写出了你的第一个 Python 程序！

3.2 Python 基本语法规则

Python 的语法非常简洁，和自然语言很接近。下面是一些你必须知道的基本语法规则：

# 这是单行注释

'''
这是
多行
注释
'''

3.3 变量与数据类型

变量是用来存储数据的容器。在 Python 中，你不需要声明变量的类型，直接赋值即可。

# 整数
age = 25

# 浮点数
height = 1.75

# 字符串
name = "梵得儿SHI"

# 布尔值
is_student = True

# 列表
fruits = ["苹果", "香蕉", "橙子"]

# 字典
person = {"name": "梵得儿SHI", "age": 25, "height": 1.75}

Python 有 6 种基本数据类型：

• 数字（Number）：包括整数、浮点数、复数
• 字符串（String）：用单引号或双引号包裹
• 列表（List）：有序的可变集合
• 元组（Tuple）：有序的不可变集合
• 字典（Dictionary）：键值对集合
• 集合（Set）：无序的不重复元素集合

3.4 基本输入输出

输出：使用print()函数

print("我叫", name)
print(f"我今年{age}岁，身高{height}米") # f-string格式化输出（推荐）

输入：使用input()函数

name = input("请输入你的名字：")
print(f"你好，{name}！")

四、必备工具：pip、虚拟环境（venv）的使用与避坑指南

        这一部分是整个环境搭建中最重要的部分，也是 90% 的新手都会踩坑的地方。请大家一定要认真看完。

4.1 pip 是什么？为什么它如此重要？

pip 是 Python 的包管理工具，全称是 "Pip Installs Packages"。

        前面我们说过，Python 的强大之处在于它丰富的生态系统。而 pip 就是用来安装和管理这些第三方包的工具。

        没有 pip，你就无法安装 TensorFlow、PyTorch、Transformers 这些 AI 库，也就无法进行 AI 开发。

4.2 pip 常用命令大全

下面是一些你必须掌握的 pip 命令：

# 安装包
pip install 包名
pip install 包名==版本号 # 安装指定版本

# 升级包
pip install –upgrade 包名

# 卸载包
pip uninstall 包名

# 查看已安装的包
pip list

# 查看某个包的详细信息
pip show 包名

# 导出已安装的包列表
pip freeze > requirements.txt

# 从requirements.txt安装包
pip install -r requirements.txt

⚠️ 注意：在有些系统中，你需要使用pip3而不是pip。

4.3 虚拟环境：解决 "依赖地狱" 的终极方案

什么是 "依赖地狱"？

假设你有两个项目：

• 项目 A 需要 TensorFlow 2.10 版本
• 项目 B 需要 TensorFlow 2.15 版本

        如果你把 TensorFlow 安装在全局环境中，那么你只能安装一个版本，这就会导致其中一个项目无法运行。

这就是 "依赖地狱"。

而虚拟环境就是解决这个问题的终极方案。

        虚拟环境会为每个项目创建一个独立的 Python 环境，每个环境都有自己的包和依赖。这样，不同项目之间的依赖就不会互相干扰。

4.4 venv 的详细使用步骤

Python 3.3 及以上版本内置了 venv 模块，不需要额外安装。

步骤 1：创建虚拟环境

打开终端，进入你的项目目录，然后运行：

# Windows系统
python -m venv venv

# Mac/Linux系统
python3 -m venv venv

这个命令会在当前目录下创建一个名为venv的文件夹，里面包含了一个独立的 Python 环境。

步骤 2：激活虚拟环境

• Windows 系统（命令提示符）：

  venv\\Scripts\\activate.bat

• Windows 系统（PowerShell）：

  .\\venv\\Scripts\\Activate.ps1

• Mac/Linux 系统：

  source venv/bin/activate

激活成功后，你会在终端提示符前面看到(venv)的标识。

步骤 3：在虚拟环境中安装包

        激活虚拟环境后，你使用pip install安装的所有包都会被安装在这个虚拟环境中，而不会影响全局环境。

pip install numpy pandas

步骤 4：退出虚拟环境

当你完成工作后，可以使用以下命令退出虚拟环境：

deactivate

4.5 90% 的新手都会踩的 10 个坑

我整理了 90% 的新手在使用 pip 和虚拟环境时都会踩的 10 个坑，希望大家能避开：

五、总结与下一篇预告

        恭喜你！看到这里，你已经完成了 Python 与 AI 开发环境的从零搭建，并且写出了你的第一个 Python 程序。

让我们来回顾一下今天学到的内容：

        这只是我们 AI 大模型开发之旅的第一步。在下一篇文章中，我会带你深入学习 Python 的核心语法，包括条件语句、循环语句、函数、类和模块，为后续的 AI 开发打下坚实的基础。

下一篇预告： 筑基篇 (2)：Python 核心语法速通 —— 从变量到面向对象，一篇搞定所有基础

如果你觉得这篇文章对你有帮助，别忘了点赞 + 收藏 + 关注，这样你就不会错过后续的更新了。

如果你在学习过程中遇到任何问题，欢迎在评论区留言，我会尽力解答。

我是梵得儿 SHI，一个专注于 Python 与 AI 大模型开发的技术博主。我们下一篇文章再见！