## 学习目标 掌握Python AI开发环境配置 了解核心科学计算库 理解Vibe Coding的AI辅助编程新模式 ### Python环境配置 #### Anaconda vs Miniconda ----------------------------------------------- 工具 大小 特点 适用场景 ----------- --------- ------------ ------------ Anaconda \~500MB 预装常用库 初学者推荐 Miniconda \~50MB 仅含conda 精简安装 ----------------------------------------------- #### 安装步骤 ##### 1.下载安装 o访问 https://www.anaconda.com/download o选择Python 3.x版本 o按提示安装 ##### 2.创建虚拟环境 `conda`` create ``-n`` ai-env python=3.10`\ `conda`` activate ai-env` ##### 3.安装核心库 `conda`` install ``numpy`` pandas ``scipy`\ `pip`` install torch ``torchvision` ### 核心科学计算库 #### NumPy：数值计算基础 `import`` ``numpy`` ``as`` np`\ \ `# ``创建数组`\ `x ``=`` ``np.array``([``1``, ``2``, ``3``, ``4``])`\ \ `# ``矩阵运算`\ `W ``=`` ``np.random.randn``(``4``, ``3``) ``# 4×3``权重矩阵`\ `h ``=`` np.dot(x, W) ``# ``矩阵乘法`\ \ `# ``激活函数`\ `relu`` ``=`` ``np.maximum``(``0``, h) ``# ``ReLU` #### Pandas：数据处理 `import`` pandas ``as`` pd`\ \ `# ``读取数据`\ `df`` ``=`` ``pd.read_csv``(``'data.csv'``)`\ \ `# ``数据清洗`\ `df`` ``=`` ``df.dropna``()`\ `df`` ``=`` ``df`` normalized ``=`` (``df`` ``-`` ``df.mean``()) ``/`` ``df.std``()`\ \ `# ``统计分析`\ `df.describe``()` #### SciPy：科学计算 `from`` ``scipy`` ``import`` optimize`\ `from`` ``scipy.spatial`` ``import`` distance`\ \ `# ``优化问题`\ `result ``=`` ``optimize.minimize``(``loss_func``, x0)`\ \ `# ``距离计算`\ `dist`` ``=`` ``distance.euclidean``(point1, point2)` ### 开发工具选择 #### VSCode **特点**： - 微软开源，免费 - 丰富的插件生态 - 轻量级，启动快 **AI开发常用插件**： - Python - Jupyter - Pylance - Copilot ## Cursor **特点**： - AI原生IDE - 代码补全与生成 - 自然语言编程 **使用场景**： - 快速原型开发 - 代码重构 - 学习新API ## Jupyter Notebook **特点**： - 交互式编程 - 可视化友好 - 文档即代码 **使用场景**： - 数据探索 - 算法实验 - 教学演示 # Vibe Coding：AI辅助编程 ## 什么是Vibe Coding 传统编程：**明确需求 → 设计算法 → 编写代码** Vibe Coding：**模糊想法 → AI辅助 → 迭代完善** ## 工作流程 ### 1. 描述意图（自然语言） `"``帮我创建一个简单的神经网络``"` ### `2. AI``生成代码` ### → 自动生成完整代码框架 `3. ``运行测试` `→ ``发现问题或需要调整` `4. ``迭代优化` `"``把隐藏层改成``128``个神经元``"` `→ AI``自动修改代码` `5. ``理解学习` → 阅读AI生成的代码，学习最佳实践 ## 实践技巧 --------------------------------- 技巧 说明 ---------- ---------------------- 明确需求 详细描述输入输出 分步实现 复杂功能拆解为小任务 验证结果 检查生成的代码 学习思考 理解AI为什么这样写 --------------------------------- ## 工具推荐 -------------------------------------------- 工具 特点 适用场景 ---------------- ---------------- ---------- GitHub Copilot 代码补全 日常开发 Cursor 对话式编程 快速原型 ChatGPT/Claude 代码生成与解释 学习咨询 Replit Agent 端到端开发 小型项目 -------------------------------------------- ## 开发工作流 项目结构 `project/`\ `├── data/ # ``数据文件`\ `├── notebooks/ # ``Jupyter``笔记本`\ `├── ``src``/ # ``源代码`\ `│ ├── models/ # ``模型定义`\ `│ ├── utils/ # ``工具函数`\ `│ └── train.py # ``训练脚本`\ `├── requirements.txt # ``依赖列表`\ `└── README.md # ``项目说明` ### 典型工作流 `# 1. ``创建环境`\ `conda`` create ``-n`` ``myproject`` python=3.10`\ `conda`` activate ``myproject`\ \ `# 2. ``安装依赖`\ `pip`` install ``-r`` requirements.txt`\ \ `# 3. ``开发迭代`\ `# - ``在``notebook``中实验`\ `# - ``整理到``src``/``目录`\ `# - ``运行测试`\ \ `# 4. ``保存环境`\ `conda`` env export ``>`` ``environment.yml` ## 思考与练习 1.对比Anaconda和Miniconda，什么时候该用哪个？ 2.尝试用Cursor/Copilot生成一个简单的神经网络代码 3.Vibe Coding如何改变传统的编程学习方式？ ## 关键术语 ----------------------------------------------------------- 中文 英文 说明 ---------- ----------------------- ------------------------ 虚拟环境 Virtual Environment 隔离的Python运行环境 依赖管理 Dependency Management 管理项目所需的库 代码补全 Code Completion 自动补全正在输入的代码 原型开发 Prototyping 快速构建可运行版本 迭代优化 Iterative Refinement 逐步改进代码 ----------------------------------------------------------- ## 延伸阅读 [Anaconda官方文档](https://docs.anaconda.com/) [NumPy快速入门](https://numpy.org/doc/stable/user/quickstart.html) [Cursor使用指南](https://cursor.com/docs)