第 0 章：Python 环境与快速入门

本章面向有 JavaScript/TypeScript 经验但不熟悉 Python 的读者。如果你已经能熟练使用 Python 和 pip，可以跳过本章。后续章节的代码示例以 Python 为主，建议至少过一遍 0.3 节的语法对照表。

0.1 面向 Node.js/TS 工程师的 Python 环境指南

如果你像本书的目标读者一样，主要使用 Node.js + TypeScript，这里是 Python 生态的对应关系：

Node.js 生态	Python 生态	说明
nvm	conda / pyenv	Python 版本管理
npm / pnpm	pip / uv	包管理
package.json	requirements.txt / pyproject.toml	依赖声明
node_modules	venv / conda env	隔离环境
TypeScript	Type Hints (mypy)	类型系统
ESLint	ruff	Linter
Jest	pytest	测试

0.2 推荐安装步骤

1. 安装 Miniconda


# Linux
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh

2. 创建项目环境


conda create -n llm-infra python=3.10 -y
conda activate llm-infra

3. 安装 PyTorch


# 有 GPU（CUDA 12.1）
pip install torch --index-url https://download.pytorch.org/whl/cu121
 
# 仅 CPU（用于前几章的基础实验）
pip install torch --index-url https://download.pytorch.org/whl/cpu

4. 验证安装


import torch
print(f"PyTorch: {torch.__version__}")
print(f"CUDA available: {torch.cuda.is_available()}")
if torch.cuda.is_available():
    print(f"GPU: {torch.cuda.get_device_name(0)}")
    print(f"VRAM: {torch.cuda.get_device_properties(0).total_mem / 1024**3:.1f} GB")

0.3 IDE 推荐

VS Code + Python 扩展 — 最接近你熟悉的开发体验
Cursor — AI 辅助编码
Jupyter Notebook — 适合实验和可视化（pip install jupyter）