AI项目博客这一篇只做环境准备。目标很明确：建一个独立的 Python 3.13.12 环境，装好 langchain 1.2.12，并让 PyCharm 使用这个解释器。
04.1 前置知识
Python 基础语法。需要掌握变量、流程控制、函数与参数机制、类与对象、装饰器；常用容器（列表、元组、集合、字典）、JSON 处理、异常处理；模块导入、包管理（pip 或 conda）、线程与协程。
大语言模型基础。了解 LLM、Token、Prompt、Embedding 等概念；接触过 OpenAI API 或其他模型提供商，例如 Anthropic、阿里云百炼、DeepSeek；平时用浏览器或 App 使用过豆包、千问、DeepSeek 这类产品。
LangChain 生态同时支持 Python 和 JavaScript，其中 Python 版本功能最完整、更新最及时、社区最活跃，本系列以 Python 为主。
04.2 相关环境安装
04.2.1 三种虚拟环境方案
全局环境只有一套 Python 解释器、pip 和第三方包，多个项目共用很容易互相污染。虚拟环境则为每个项目提供独立的解释器、pip 和依赖目录，项目之间互不干扰。常见方案有三种：
- conda：不只管理 Python 包，还能管理 Python 解释器，以及 CUDA、编译器、系统库、数据库驱动、科学计算底层库等非 Python 依赖。数据科学、深度学习、AI 工程、科学计算等场景优先选它。注意：conda 环境里可以使用 pip，但建议先用 conda 装底层依赖，再用 pip 补充 Python 包，不要反复交替使用。
- uv：现代 Python 包管理工具，主要管理 Python 生态依赖，速度快、体验好，但无法像 conda 那样管理 CUDA、系统级数据库驱动、编译器等非 Python 依赖。适合纯 Python 项目，例如 FastAPI、LangChain、脚本工具、Web 后端、普通 AI Agent 应用、RAG 应用层代码。
- venv：Python 官方自带的轻量工具，不需要额外安装。它只能基于已经安装好的解释器创建环境，不负责安装新的 Python 解释器，也不管理 CUDA、系统库等非 Python 依赖。适合简单项目、教学演示和轻量隔离。
| 工具 | 管理 Python 解释器 | 管理 Python 包 | 管理非 Python 依赖 | 适合场景 |
|---|---|---|---|---|
| conda | 可以 | 可以 | 可以 | AI、深度学习、科学计算、复杂底层依赖（C/C++、CUDA） |
| uv | 可以 | 可以 | 不可以 | 纯 Python 项目、Web、Agent、RAG 应用层 |
| venv | 不支持原生安装，基于已有解释器 | 可以 | 不可以 | 简单项目、教学演示、轻量隔离 |
LangChain 本身是纯 Python 项目，uv 和 conda 都能胜任。本系列选择 conda：它的覆盖范围最广，LangChain 之外的底层依赖也能一起管理。
04.2.2 创建环境与 Python 解释器
LangChain 1.2 要求 Python 3.10 以上，这里使用 3.13.12。安装包必须显式写明版本，否则可能出现不兼容。
# 创建名为 langchain1.2 的环境，指定 Python 3.13.12
conda create --name langchain1.2 python=3.13.12
# 查看已创建的环境
conda env list
# 初始化 shell（执行完需要重开命令行窗口）
conda init
# 切换到该环境
conda activate langchain1.2
# 验证 Python 版本
python -V退出与删除环境：
# 退出当前环境
conda deactivate
# 删除整个环境及其依赖
conda remove --name langchain1.2 --all如果改用 venv，对应的创建命令是 python -m venv .venv，激活脚本在 .venv\Scripts\activate（Windows）。
04.2.3 安装 langchain
方式一：conda（推荐）。-c 是 --channel 的缩写，用来指定安装渠道；conda-forge 通常比默认渠道更新更快、包更全。
# 安装指定版本
conda install langchain==1.2.12
# 安装最新版（默认仓库）
conda install langchain
# 指定 conda-forge 渠道
conda install -c conda-forge langchain==1.2.12
# 更新
conda update langchain
# 卸载
conda uninstall langchain
# 查看已安装包
conda list方式二：pip。国内下载慢时可以加 -i 指定镜像源。
# 安装指定版本
pip install langchain==1.2.12
# 使用清华镜像加速
pip install langchain==1.2.12 -i https://pypi.tuna.tsinghua.edu.cn/simple
# 升级
pip install --upgrade langchain
# 或指定版本升级
pip install -U langchain==1.2.12
# 卸载
pip uninstall langchain
# 查看已安装包
pip list建议优先用 conda install，conda 没有对应包时再用 pip install。两者的区别：conda 依赖检查更严格，pip 相对宽松；conda 管环境、依赖和稳定性，pip 只管 Python 包；conda 同时支持 Python 包和非 Python 包，pip 只支持 Python 包。
检查包来源时，conda list 会给 conda 安装的包显示频道，pip 安装的包则显示 pypi。下图中这类混装情况很常见，排查版本冲突时先看来源：
04.2.4 PyCharm 开发环境
PyCharm 提供代码编辑、调试和版本控制能力。安装包可以从 JetBrains 的历史版本页面获取，例如 2025.3.3：
下载地址：https://www.jetbrains.com/pycharm/download/other/#releases-2025
安装完成后新建工程，解释器不要选 Project venv，而是选已有的 conda 环境：Interpreter type 选 Custom environment，Environment 选 Select existing，Type 选 Conda，Path to conda 指向 conda.exe，Environment 选 langchain1.2，然后点 Create。
04.3 验证安装
在 PyCharm 的终端或系统命令行里执行：
python -c "import langchain; print(langchain.__version__)"
# 期望输出：1.2.12能在对应环境里打印出版本号，说明解释器和包都对上了。如果报 ModuleNotFoundError，先确认当前终端激活的是 langchain1.2，再检查 PyCharm 右下角的解释器。
04.4 小结
环境这一步只有三个关键点：用虚拟环境隔离依赖、锁定 Python 3.13.12 与 langchain 1.2.12、让 PyCharm 指向同一个 conda 环境。
下一篇：LangChain 1.2 入门（五）：RAG、Agent 与应用场景选型；上一篇：四大支柱与生态分工。
本文根据公开课程课件整理，并结合 LangChain 官方文档核对与补充。
