RAG 系列第二章：准备工作——环境搭建与 API 配置

RAG 系列第二章：准备工作——环境搭建与 API 配置

Z

码孖

2026-04-14 4 分钟阅读

RAG 系列第二章：准备工作——环境搭建与 API 配置

这是 RAG 系列第二章。上一章我们了解了”什么是 RAG”，这章讲”怎么开始”——先把环境搭好，API 配好，才能动手写代码。很多新手卡在这一步，我们帮你省掉踩坑时间。

---

系列导航

本系列参考 DataWhale All-in-RAG 教程，聚焦实战落地。

章节	主题	状态
第一章	RAG 简介：让 AI “查资料” 再回答	✅ 已发布
第二章	准备工作：环境搭建与 API 配置	📝 本篇
第三章	四步构建 RAG：从零到运行	🔜 敬请期待
第四章	数据加载：PDF、Word、网页多格式处理	🔜 敬请期待
第五章	文本分块：切分策略与参数选择	🔜 敬请期待
第六章	向量嵌入：Embedding 模型选择与实战	🔜 敬请期待

👉 没看上一篇？ 先花3分钟了解 RAG 基础：点击阅读第一章

---

一、准备工作：新手最容易卡的地方

很多新手想学 RAG，打开教程看到：

pip install langchain
export OPENAI_API_KEY=sk-xxx

然后卡住了：

• “pip install 报错怎么办？”
• “API Key 从哪申请？”
• “我没有 OpenAI 账号怎么办？”
• “Windows 怎么配置环境变量？”

这章专门解决这些问题。看完你就能：

• 申请到免费的 API Key
• 配置好 Python 开发环境
• 跑起第一个 RAG 程序

---

二、大模型 API 配置：先拿到”钥匙”

RAG 需要调用大模型，先搞定 API Key。

2.1 国内推荐：DeepSeek API

DeepSeek 是国内大模型厂商，免费额度足够学习使用。

申请步骤：

1. 访问 DeepSeek 开放平台
2. 注册登录（支持微信扫码）
3. 点击「API Keys」→「创建 API Key」
4. 复制保存密钥（只显示一次，务必保存）

⚠️ 重要提醒：API Key 创建后只完整显示一次，务必立即保存到安全地方。

2.2 备选方案：其他 API

API	优势	获取方式
OpenAI	效果最强	需要海外账号 + 付费
通义千问（阿里）	中文效果好	阿里云开放平台
智谱 GLM	成本低	智谱开放平台
硅基流动	聚合多家模型	硅基流动

2.3 API Key 存放位置

推荐放在环境变量中，不要写在代码里（容易泄露）。

---

三、开发环境配置：Python 虚拟环境

3.1 为什么需要虚拟环境？

不同项目依赖不同版本的库，混在一起会冲突。虚拟环境让每个项目有独立的”依赖空间”。

3.2 安装 Miniconda（推荐）

Miniconda 是轻量版的 Anaconda，适合 Python 开发。

下载地址：清华镜像站（国内快）

安装步骤：

# macOS/Linux
wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh

# Windows：下载 .exe 文件直接安装
# 注意：安装时不要勾选 "Add to PATH"，手动配置更安全

3.3 创建虚拟环境

# 创建名为 rag 的虚拟环境，Python 3.12
conda create --name rag python=3.12

# 激活环境
conda activate rag

# 查看当前环境
conda info --envs

3.4 配置环境变量

macOS/Linux：在 ~/.bashrc 或 ~/.zshrc 末尾添加：

export DEEPSEEK_API_KEY="你的密钥"

然后执行：

source ~/.bashrc  # 或 source ~/.zshrc

Windows：

1. 打开「系统属性」→「高级」→「环境变量」
2. 点击「新建用户变量」
3. 变量名：DEEPSEEK_API_KEY
4. 变量值：你的密钥

---

四、依赖安装：RAG 项目需要哪些库？

4.1 核心依赖

创建 requirements.txt：

langchain>=0.3.0
langchain-community>=0.3.0
langchain-openai>=0.2.0
chromadb>=0.5.0
sentence-transformers>=2.2.0
pypdf>=4.0.0
python-docx>=1.1.0

4.2 安装命令

# 激活虚拟环境
conda activate rag

# 安装依赖
pip install -r requirements.txt

# 国内加速（清华镜像）
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

4.3 验证安装

# 测试脚本 test_env.py
import langchain
import chromadb
import sentence_transformers

print(f"LangChain: {langchain.__version__}")
print(f"ChromaDB: {chromadb.__version__}")
print("环境配置成功！")

运行：

python test_env.py

---

五、云环境方案：不想本地折腾？

如果你本地环境配置困难，可以用云端开发环境。

5.1 GitHub Codespaces（推荐）

GitHub 提供的云端开发环境，每月免费 60 小时。

使用步骤：

1. Fork DataWhale all-in-rag 项目

2. 点击「Code」→「Codespaces」→「New codespace」

3. 等待环境创建完成（约2分钟）

4. 在终端配置 API Key：

   export DEEPSEEK_API_KEY="你的密钥"
   

5. 安装依赖：

   cd code
   pip install -r requirements.txt
   

5.2 Cloud Studio（国内推荐）

腾讯云提供的云端开发环境，每月免费 50 小时。

优势：

• 国内访问快
• 不需要 GitHub 账号
• 预装 Python 环境

使用步骤：

1. 访问 Cloud Studio

2. 从 Git 仓库导入项目地址

3. 创建应用

4. 在终端执行：

   su ubuntu  # 切换普通用户
   sudo chown -R ubuntu:ubuntu code models
   cd code && pip install -r requirements.txt
   

---

六、Windows 环境补充

Windows 用户可能遇到一些特殊问题。

6.1 Miniconda PATH 配置

安装时不要勾选 “Add to PATH”，手动添加这三个路径：

C:\Users\你的用户名\miniconda3
C:\Users\你的用户名\miniconda3\Scripts
C:\Users\你的用户名\miniconda3\Library\bin

6.2 Conda 镜像源配置

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

6.3 PowerShell 执行权限

如果 PowerShell 报错”无法执行脚本”：

Set-ExecutionPolicy -ExecutionPolicy RemoteSigned -Scope CurrentUser

---

七、环境配置清单

完成后检查这个清单：

检查项	命令	预期结果
Python 版本	python --version	Python 3.12.x
虚拟环境激活	conda info --envs	当前环境显示 rag
API Key 配置	echo $DEEPSEEK_API_KEY	显示你的密钥
LangChain 安装	python -c "import langchain; print(langchain.__version__)"	显示版本号
ChromaDB 安装	python -c "import chromadb"	无报错

---

八、常见问题

问题	原因	解决方案
pip install 报错	网络问题	用清华镜像 -i https://pypi.tuna.tsinghua.edu.cn/simple
conda create 慢	默认源在国外	配置清华镜像源
API Key 无效	复制错误/过期	重新申请，确保完整复制
PowerShell 执行报错	权限限制	执行 Set-ExecutionPolicy RemoteSigned
ModuleNotFoundError	虚拟环境未激活	执行 conda activate rag

---

九、本章小结

准备工作三步走：

1. 申请 API Key：DeepSeek 免费，适合学习
2. 配置虚拟环境：Miniconda + conda create
3. 安装依赖：pip install -i 清华镜像

记住：环境搭好了，后面写代码才不会卡。

---

下章预告

第三章：四步构建 RAG：从零到运行

内容包括：

• 加载文档（PDF、Word）
• 文本分块
• 向量化存储
• 检索生成

10行代码跑起第一个 RAG 程序。

---

参考资料

• DataWhale All-in-RAG：准备工作
• DeepSeek 开放平台
• Miniconda 清华镜像
• GitHub Codespaces
• Cloud Studio

---

关于码孖 AI

码孖 AI，专注 AI 工程化落地。环境搭建、API 配置，这些”准备工作”我们帮你踩过坑了，你照着做就行。

关注我，下一章带你写第一个 RAG 程序。

目录