2026_DesignAI/02-foundations/01.3-programming.md

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

NumPy快速入门

Cursor使用指南