Python 开发环境
本文适用于 2026 秋学期。请先按服务器使用指南完成公钥提交、SSH 登录和服务器分配信息核对，再在自己分配到的服务器上使用开发环境。
版本和输出以当前服务器为准
本页沿用原教程的操作、示例和软件包表格。Python 3.13、表格中的软件包版本，以及下方 CUDA 可用和设备数量为 10 的输出，都是原教程的环境记录或示例，不代表 2026 年三台服务器的当前配置。请在分配到的服务器上运行 python --version、conda list 和相应检查命令，以实际结果为准。
概述
本文档介绍服务器上公共 Python 虚拟环境 pubpy 的使用方法。环境位于 /opt/miniconda/envs/pubpy，由管理员维护，用于课程的人工智能和科学计算练习；具体 Python 版本和已安装依赖请通过下面的命令核对。
环境信息
- 环境名称:
pubpy - Python 版本: 运行
python --version确认；原教程示例为 3.13 - 管理工具: Conda
- 适用场景: AI 开发、科学计算、数据分析
快速开始
下面的命令在登录后的服务器 Bash 终端中执行，VS Code 的远端终端也适用。首次使用时，若 conda 尚未初始化，可以运行：
# 让当前 Bash 会话可以使用 Conda
eval "$(/opt/miniconda/bin/conda shell.bash hook)"
# 将初始化配置写入自己的 ~/.bashrc
conda init bash
# 在当前终端进入课程环境
conda activate pubpy之后重新连接或新开 Bash 终端即可加载 Conda，无需重复初始化；使用课程环境前仍需确认已激活 pubpy。是否自动显示 (base) 取决于配置，可运行 conda env list 检查已有环境。
激活虚拟环境
在开始任何开发工作之前，请先激活预配置的虚拟环境：
conda activate pubpy验证环境
激活环境后，可以通过以下命令验证环境是否正确配置：
# 检查 Python 版本
python --version
# 检查已安装的包
conda list
# 测试核心库导入
python -c "import numpy, matplotlib, openai, anthropic; print('环境配置正确')"检查当前环境是否已安装 PyTorch，以及 CUDA 是否可用：
python -c "import torch; print(f'PyTorch版本: {torch.__version__}'); print(f'CUDA可用: {torch.cuda.is_available()}'); print(f'CUDA设备数量: {torch.cuda.device_count()}' if torch.cuda.is_available() else 'CUDA不可用')"原教程示例输出如下。当前版本、CUDA 可用状态和设备数量以分配服务器的实际结果为准；如提示缺少依赖，请联系助教确认课程环境。
PyTorch版本: 2.6.0+cu124
CUDA可用: True
CUDA设备数量: 10预装软件包
以下保留原教程的软件包与版本记录，便于了解用途；它不是当前服务器的软件清单或 2026 年固定版本要求。请使用 conda list 核对当前环境，课程指定版本以本学期要求为准。
核心计算库
| 包名 | 版本 | 用途 |
|---|---|---|
| numpy | 2.3.2 | 数值计算基础库 |
| scipy | 1.16.1 | 科学计算扩展库 |
| sympy | >= 1.13.1 | 符号数学计算 |
| matplotlib | 3.10.6 | 数据可视化库 |
AI/ML 相关库
| 包名 | 版本 | 用途 |
|---|---|---|
| openai | 1.106.1 | OpenAI API 客户端 |
| anthropic | 0.66.0 | Anthropic API 客户端 |
| langchain | 0.3.27 | LangChain 核心框架 |
| langchain_openai | 0.3.33 | LangChain OpenAI 集成 |
| langchain_anthropic | 0.3.20 | LangChain Anthropic 集成 |
| langgraph | 0.6.7 | LangChain 图形化工作流 |
| chainlit | 2.8.0 | 对话式 AI 应用框架 |
| pytorch | 2.6.0+cu124 | 深度学习库 |
开发工具
| 包名 | 版本 | 用途 |
|---|---|---|
| ipykernel | 6.29.5 | Jupyter 内核支持 |
| flask | 3.1.2 | Web 应用框架 |
| aiohttp | 3.12.15 | 异步 HTTP 客户端/服务器 |
| python-dotenv | >= 1.1.0 | 环境变量加载工具 |
使用指南
在 Jupyter Notebook 中使用
- 启动 Jupyter Notebook 或 JupyterLab
- 创建新的 notebook 时选择
pubpy内核 - 开始编写代码
在 VSCode 中使用
- 打开 VSCode 并连接到服务器
- 在 Python 文件中按
Ctrl+Shift+P打开命令面板 - 选择 "Python: Select Interpreter"
- 选择
pubpy环境对应的 Python 解释器；若列表中没有显示，可选择输入解释器路径并填写/opt/miniconda/envs/pubpy/bin/python
示例代码
以下是一个简单的测试示例，验证环境配置：
import numpy as np
import matplotlib.pyplot as plt
import openai
from anthropic import Anthropic
# 测试 numpy
arr = np.array([1, 2, 3, 4, 5])
print(f"NumPy 数组: {arr}")
print(f"数组平均值: {np.mean(arr)}")
# 测试 matplotlib
x = np.linspace(0, 2*np.pi, 100)
y = np.sin(x)
plt.figure(figsize=(8, 4))
plt.plot(x, y)
plt.title("正弦函数图像")
plt.xlabel("x")
plt.ylabel("sin(x)")
plt.grid(True)
plt.savefig("test_plot.png", dpi=150, bbox_inches='tight')
plt.close()
print("图像已保存为 test_plot.png")
# 验证 AI 库导入
print("OpenAI 库版本:", openai.__version__)
print("Anthropic 库已成功导入")
print("✅ 开发环境配置验证完成")注意事项
重要提醒
⚠️ 注意:
pubpy是管理员维护的共享环境，请不要直接在其中运行pip install或conda install修改依赖。安装到用户目录的包也可能改变 Python 实际加载的版本，不能以没有sudo权限来判断是否会影响环境。
💡 提示: 如需额外依赖，请联系课程团队或助教；也可以在自己的目录中创建独立虚拟环境，确认已切换到该个人环境后再安装。VS Code 解释器和 Notebook 内核也应选为对应的个人环境。
最佳实践
- 环境激活: 每次开始工作前都要激活
pubpy环境 - 代码管理: 将个人代码保存在自己的用户目录下
- 资源使用: 合理使用计算资源，避免长时间占用
- 版本兼容: 编写代码时注意包版本兼容性
获取帮助
如遇到其他问题，请：
- 查看系统日志和错误信息
- 通过课程首页的联系方式联系助教或任课教师