零基础入门计算机视觉：从环境搭建到图像识别、目标检测与分割实战

🚀 30+款热门AI模型一站整合，DeepSeek/GLM/Claude 随心用，限时 5 折。 👉 点击领海量免费额度

想学计算机视觉，但被各种术语和复杂的代码劝退？看到别人用几行代码就能识别图像、检测目标，自己却连环境都配不好？别担心，这篇文章就是为你准备的。

计算机视觉早已不是实验室里的高深学问，而是每个开发者都能掌握的实用技能。从自动驾驶识别路标，到手机相册自动分类照片，再到工业质检，背后都是计算机视觉在发挥作用。但很多初学者一上来就迷失在“卷积神经网络”、“YOLO”、“语义分割”这些概念里，或者卡在环境配置、数据准备这些看似简单却无比磨人的环节。

这篇文章要解决的核心问题，就是帮你从零开始，用最少的理论、最清晰的步骤，真正跑通计算机视觉的三大核心任务：图像识别、目标检测和图像分割。我们不空谈概念，而是直接动手。我会带你搭建一个能跑起来的深度学习环境，用最流行的框架和预训练模型，完成从“看”到“理解”再到“定位”的完整流程。读完本文，你将能独立完成一个简单的视觉项目，并理解不同任务之间的区别与联系，知道下一步该往哪里深入。

1. 这篇文章真正要解决的问题

很多教程一上来就讲复杂的数学公式和网络结构，这就像学开车先学发动机原理，对新手极不友好。我们换一种思路：先跑起来，再理解为什么能跑。

本文要解决三个具体问题：

1. 环境搭建之痛：为什么别人的代码在我这里报错？CUDA、cuDNN、PyTorch/TensorFlow版本到底怎么选？我们将提供一个稳定、可复现的Python环境配置方案。
2. 概念混淆之惑：图像分类、目标检测、语义分割、实例分割……它们到底有什么区别？我该用哪个解决我的问题？我们将用最直观的图示和比喻讲清楚。
3. 从理论到实践之沟：看懂了原理，但代码从哪里开始写？我们将提供三个完整的、可运行的代码示例，分别对应三大任务，你可以直接复制、修改、运行。

我们的目标是：让你在读完本文后，不仅能说出这些概念的区别，更能亲手运行代码看到结果，建立最直接的成就感，从而有动力继续深入。

2. 基础概念与核心原理：用“看图说话”来理解

在深入代码之前，我们必须先统一“语言”。计算机视觉的几大任务，可以类比成人类看图的几个层次：

• 图像分类 (Image Classification)：回答“图片里有什么？” 比如，给一张图，模型输出“猫”、“狗”或“汽车”。它只关心整张图的类别。
• 目标检测 (Object Detection)：回答“图片里有什么，它们在哪里？” 比如，不仅识别出有“猫”和“狗”，还要用矩形框（Bounding Box）标出它们各自的位置。
• 语义分割 (Semantic Segmentation)：回答“图片里每一个像素属于什么？” 比如，把图片中属于“猫”、“狗”、“草地”、“天空”的每一个像素都涂上不同的颜色。它不区分同一类别的不同个体（两只猫都是同一个颜色）。
• 实例分割 (Instance Segmentation)：目标检测 + 语义分割。回答“图片里每个独立的物体是什么，它们的精确轮廓在哪？” 比如，区分出两只不同的猫，并分别标出它们的精确轮廓。

为了更直观，我们用一个表格来对比：

背后的核心引擎：卷积神经网络 (CNN)无论上述哪种任务，现代计算机视觉的基石大多是卷积神经网络 (CNN)。你可以把它想象成一个拥有多层“滤镜”的智能系统。第一层滤镜可能只识别简单的边缘和颜色，第二层能组合成纹理（如条纹、斑点），更深层的网络则能识别出眼睛、轮子等复杂部件，最终组合成“猫”或“汽车”的概念。CNN通过这种分层提取特征的方式，让机器学会了“看”。

3. 环境准备与前置条件

工欲善其事，必先利其器。为了避免版本冲突，我们强烈建议使用Anaconda来创建独立的Python环境。以下步骤在Windows/Linux/macOS上通用。

3.1 安装Anaconda

如果你还没有安装，请从 Anaconda官网 下载并安装对应操作系统的版本。

3.2 创建并激活虚拟环境

打开终端（Windows叫Anaconda Prompt或CMD，macOS/Linux叫Terminal），执行以下命令：

# 创建一个名为 cv_tutorial 的Python 3.9环境（3.8-3.10皆可） conda create -n cv_tutorial python=3.9 -y # 激活环境 conda activate cv_tutorial

激活后，你的命令行提示符前面应该会显示(cv_tutorial)。

3.3 安装核心深度学习框架：PyTorch

PyTorch因其动态图和易用性，成为目前研究和入门的主流选择。我们将使用PyTorch。

访问 PyTorch官网 ，根据你的系统（有无NVIDIA GPU）选择安装命令。如果你有NVIDIA显卡并已安装CUDA，可以选择CUDA版本以加速训练。如果没有GPU或不确定，请选择CPU版本，本文示例在CPU上也可运行（速度会慢一些）。

例如，对于没有GPU的Windows/Linux系统，安装命令通常如下：

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu

对于有CUDA 11.8的Linux系统，命令可能如下（请以官网生成器为准）：

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

3.4 安装其他必要库

我们还需要一些用于图像处理、可视化和模型辅助的库。

pip install opencv-python matplotlib pillow numpy jupyterlab # opencv-python: 强大的计算机视觉库 # matplotlib: 绘图库，用于显示图像和结果 # pillow: Python图像处理库 # numpy: 科学计算基础库 # jupyterlab: 交互式笔记本，方便边写边看（可选但推荐）

3.5 验证安装

创建一个Python脚本或直接在激活环境的Python解释器中运行以下代码，检查关键库是否安装成功：

import torch import torchvision import cv2 import matplotlib import numpy as np print(f"PyTorch version: {torch.__version__}") print(f"Torchvision version: {torchvision.__version__}") print(f"OpenCV version: {cv2.__version__}") print(f"CUDA available: {torch.cuda.is_available()}") # 如果输出True，恭喜你，GPU可用！

如果所有import都没有报错，并且输出了版本号，那么你的环境就准备好了。

4. 实战一：图像识别（Image Classification）—— 让机器“认物”

图像识别是计算机视觉的入门任务。我们将使用PyTorch自带的预训练模型，对一张图片进行快速分类。

核心思路：加载一个在大型数据集（如ImageNet）上预训练好的模型，将我们的图片输入，得到它属于1000个类别中哪一个的概率。

4.1 准备一张测试图片

你可以从网上下载一张图片，比如一只猫 (cat.jpg)，或者使用以下代码从网上下载示例图片（确保网络连通）。

import urllib.request import os # 下载一张示例图片（金毛犬） url = 'https://upload.wikimedia.org/wikipedia/commons/thumb/2/26/YellowLabradorLooking_new.jpg/320px-YellowLabradorLooking_new.jpg' filename = 'test_dog.jpg' if not os.path.exists(filename): urllib.request.urlretrieve(url, filename) print(f"已下载图片: {filename}") else: print(f"图片已存在: {filename}")

4.2 完整的图像分类代码

创建一个Python文件，例如image_classification.py，写入以下代码：

import torch from torchvision import models, transforms from PIL import Image import matplotlib.pyplot as plt import json import urllib.request # 1. 加载预训练模型和对应的标签 # 使用ResNet50，一个经典且强大的图像分类模型 model = models.resnet50(pretrained=True) model.eval() # 设置为评估模式，关闭dropout等训练专用层 # 下载ImageNet的类别标签文件 labels_url = 'https://raw.githubusercontent.com/anishathalye/imagenet-simple-labels/master/imagenet-simple-labels.json' labels_path = 'imagenet_labels.json' if not os.path.exists(labels_path): urllib.request.urlretrieve(labels_url, labels_path) with open(labels_path) as f: labels = json.load(f) # 2. 定义图像预处理流程 # 预训练模型有固定的输入尺寸和归一化要求，必须遵守 preprocess = transforms.Compose([ transforms.Resize(256), # 将短边缩放到256像素 transforms.CenterCrop(224), # 从中心裁剪出224x224的区域 transforms.ToTensor(), # 转换为Tensor，数值范围[0,1] transforms.Normalize(mean=[0.485, 0.456, 0.406], # ImageNet数据集的标准归一化参数 std=[0.229, 0.224, 0.225]), ]) # 3. 加载并预处理图像 image_path = 'test_dog.jpg' # 替换成你的图片路径 input_image = Image.open(image_path).convert('RGB') # 确保是RGB三通道 # 显示原图 plt.figure(figsize=(8, 6)) plt.subplot(1, 2, 1) plt.imshow(input_image) plt.title('Original Image') plt.axis('off') # 预处理，并增加一个批次维度（batch dimension），因为模型输入是 [batch_size, channels, height, width] input_tensor = preprocess(input_image) input_batch = input_tensor.unsqueeze(0) # 增加维度，变成 [1, 3, 224, 224] # 4. 运行模型进行预测 if torch.cuda.is_available(): input_batch = input_batch.to('cuda') model.to('cuda') with torch.no_grad(): # 禁用梯度计算，推理时节省内存 output = model(input_batch) # 5. 解析结果 # 输出是1000个类别的概率（logits），我们取概率最高的 probabilities = torch.nn.functional.softmax(output[0], dim=0) # 转换为概率 top5_prob, top5_catid = torch.topk(probabilities, 5) # 取前5个最高概率 # 6. 打印并显示结果 print("Top-5 预测结果:") for i in range(top5_prob.size(0)): category_id = top5_catid[i].item() category_name = labels[category_id] probability = top5_prob[i].item() print(f"{i+1}: {category_name:<20} (概率: {probability:.4f})") # 在图中显示预测结果文本 plt.subplot(1, 2, 2) plt.imshow(input_image) plt.title('Prediction Result') plt.axis('off') result_text = f"Top1: {labels[top5_catid[0].item()]}\nProb: {top5_prob[0].item():.3f}" plt.text(10, 250, result_text, color='white', backgroundcolor='red', fontsize=12) plt.tight_layout() plt.show()

4.3 运行与结果

在终端中，确保处于cv_tutorial环境，运行：

python image_classification.py

你会看到终端打印出前5个最可能的类别及其概率，同时弹出一个窗口显示原图和最可能的预测结果。对于金毛犬的图片，模型很可能以很高的概率预测为golden retriever。

关键点解析：

• model.eval()：至关重要！它将模型设置为推理模式，固定了BatchNorm和Dropout层的行为。
• transforms.Normalize：使用ImageNet数据集的均值和标准差进行归一化，这是预训练模型的要求。
• with torch.no_grad()：在推理时关闭自动求导，大幅减少内存消耗并加速。
• torch.nn.functional.softmax：将模型的原始输出（logits）转换为概率值，所有类别概率之和为1。

5. 实战二：目标检测（Object Detection）—— 让机器“定位”

目标检测不仅要识别物体，还要找到它的位置。我们将使用一个更现代、速度更快的模型：YOLOv5。虽然PyTorch官方不直接包含YOLO，但有一个非常活跃且易用的开源实现。

5.1 安装YOLOv5

YOLOv5通过PyPI即可安装，非常方便。

pip install yolov5

注意：这可能会安装一些依赖，如果遇到权限问题，可以尝试在命令后加--user。

5.2 使用YOLOv5进行目标检测

创建一个新文件object_detection.py：

import yolov5 import cv2 import matplotlib.pyplot as plt from PIL import Image import torch # 1. 加载预训练模型 # 这里加载的是YOLOv5s模型，它是YOLOv5系列中较小、较快的一个，精度尚可，适合快速演示。 # 其他可选模型：'yolov5m', 'yolov5l', 'yolov5x' (更大，更准，更慢) model = yolov5.load('yolov5s.pt') # 首次运行会自动从GitHub下载模型文件 # 设置模型参数 model.conf = 0.25 # 置信度阈值 (0-1)，高于此值的检测结果才会被保留 model.iou = 0.45 # 非极大值抑制的IoU阈值，用于去除重叠框 model.agnostic = False # 是否进行类别无关的NMS model.multi_label = False # 每个框是否允许有多个标签 model.max_det = 1000 # 每张图最大检测数量 # 2. 加载图像 img_path = 'test_dog.jpg' # 可以使用上一节的图片，或者换一张包含多物体的图 img = Image.open(img_path).convert('RGB') # 3. 执行推理 results = model(img, size=640) # size参数表示将图像缩放到长边为640像素进行推理 # 4. 解析结果 predictions = results.pred[0] # 获取第一张图的预测结果 boxes = predictions[:, :4] # 边界框 [x1, y1, x2, y2] scores = predictions[:, 4] # 置信度 categories = predictions[:, 5] # 类别索引 # 5. 打印检测到的物体 print(f"检测到 {len(boxes)} 个物体:") for i, (box, score, category) in enumerate(zip(boxes, scores, categories)): class_name = results.names[int(category)] # 获取类别名称 print(f" 物体 {i+1}: {class_name} (置信度: {score:.2f}), 位置: {box.tolist()}") # 6. 可视化结果 # YOLOv5内置了渲染功能，可以直接生成带框的图片 results.render() # 在原图上绘制检测框和标签 # 将渲染后的PIL图像转换为数组以便matplotlib显示 rendered_img = Image.fromarray(results.ims[0]) # 显示结果 plt.figure(figsize=(12, 6)) plt.subplot(1, 2, 1) plt.imshow(img) plt.title('Original Image') plt.axis('off') plt.subplot(1, 2, 2) plt.imshow(rendered_img) plt.title('YOLOv5 Detection Results') plt.axis('off') plt.tight_layout() plt.show() # 7. 保存结果图片（可选） output_path = 'detection_result.jpg' results.save(save_dir='./') # 保存到当前目录，默认文件名 print(f"检测结果已保存至: {output_path}")

5.3 运行与结果

运行脚本：

python object_detection.py

你会看到终端打印出检测到的物体数量、类别、置信度和坐标。同时，图像窗口会显示两张图：原图和用矩形框标出所有检测物体的结果图。对于一张包含狗和人的图片，YOLOv5可以同时框出“person”和“dog”。

YOLO的核心思想：You Only Look Once。与传统方法（如R-CNN系列）需要先提取候选区域再分类不同，YOLO将整个检测问题视为一个回归问题，直接在单次网络前向传播中预测边界框和类别概率，因此速度极快，适合实时应用。

6. 实战三：图像分割（Semantic Segmentation）—— 让机器“理解像素”

语义分割为每个像素分配一个类别标签。我们将使用一个在PASCAL VOC数据集上预训练的DeepLabV3模型，它可以分割出人、动物、交通工具、家具等20个常见类别。

6.1 使用Torchvision的预训练分割模型

PyTorch的Torchvision库提供了现成的模型。创建一个新文件semantic_segmentation.py：

import torch import torchvision.transforms as T from torchvision import models import numpy as np from PIL import Image import matplotlib.pyplot as plt import cv2 # 1. 加载预训练的DeepLabV3模型（使用ResNet101作为骨干网络） model = models.segmentation.deeplabv3_resnet101(pretrained=True) model.eval() # 2. 定义预处理和后处理函数 # 预处理：与分类类似，但归一化参数相同，且不需要中心裁剪到固定尺寸，通常保持长宽比缩放 def preprocess(image): transform = T.Compose([ T.ToTensor(), # 转换为Tensor并归一化到[0,1] T.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]), ]) return transform(image).unsqueeze(0) # 增加batch维度 # 后处理：将模型输出的分割图（每个像素的类别索引）转换为可视化的彩色图像 def decode_segmap(image, nc=21): # PASCAL VOC数据集有20个类别+背景，共21类 # 为每个类别分配一个RGB颜色 label_colors = np.array([(0, 0, 0), # 0=背景 (128, 0, 0), (0, 128, 0), (128, 128, 0), (0, 0, 128), (128, 0, 128), (0, 128, 128), (128, 128, 128), (64, 0, 0), (192, 0, 0), (64, 128, 0), (192, 128, 0), (64, 0, 128), (192, 0, 128), (64, 128, 128), (192, 128, 128), (0, 64, 0), (128, 64, 0), (0, 192, 0), (128, 192, 0), (0, 64, 128)]) r = np.zeros_like(image).astype(np.uint8) g = np.zeros_like(image).astype(np.uint8) b = np.zeros_like(image).astype(np.uint8) for l in range(0, nc): idx = image == l r[idx] = label_colors[l, 0] g[idx] = label_colors[l, 1] b[idx] = label_colors[l, 2] rgb = np.stack([r, g, b], axis=2) return rgb # 3. 加载并预处理图像 # 这里我们使用一张包含人和城市的图片，可以从网上下载 seg_test_url = 'https://images.unsplash.com/photo-1507003211169-0a1dd7228f2d?ixlib=rb-4.0.3&auto=format&fit=crop&w=600&q=80' seg_filename = 'seg_test_person.jpg' # 使用之前的方法下载图片，这里省略下载代码，假设图片已存在 # 如果不存在，请用urllib下载 image = Image.open(seg_filename).convert('RGB') input_tensor = preprocess(image) # 4. 执行推理 with torch.no_grad(): output = model(input_tensor)['out'][0] # DeepLabV3的输出是一个字典，取'out'键 output_predictions = output.argmax(0).byte().cpu().numpy() # 获取每个像素预测的类别索引 # 5. 将分割结果转换为彩色图 segmentation_rgb = decode_segmap(output_predictions) # 6. 可视化：原图、分割彩色图、叠加图 plt.figure(figsize=(18, 6)) # 原图 plt.subplot(1, 3, 1) plt.imshow(image) plt.title('Original Image') plt.axis('off') # 分割彩色图 plt.subplot(1, 3, 2) plt.imshow(segmentation_rgb) plt.title('Semantic Segmentation Map') plt.axis('off') # 将分割图以半透明方式叠加到原图上 overlay = cv2.addWeighted(np.array(image), 0.6, segmentation_rgb, 0.4, 0) plt.subplot(1, 3, 3) plt.imshow(overlay) plt.title('Overlay (Original + Segmentation)') plt.axis('off') plt.tight_layout() plt.show() # 打印检测到的类别（可选） unique_classes = np.unique(output_predictions) print(f"分割图中出现的类别索引: {unique_classes}") # 你可以创建一个索引到类别名称的映射来查看具体是什么 voc_classes = ['background', 'aeroplane', 'bicycle', 'bird', 'boat', 'bottle', 'bus', 'car', 'cat', 'chair', 'cow', 'diningtable', 'dog', 'horse', 'motorbike', 'person', 'pottedplant', 'sheep', 'sofa', 'train', 'tvmonitor'] for cls in unique_classes: print(f" 类别 {cls}: {voc_classes[cls]}")

6.2 运行与结果

运行脚本：

python semantic_segmentation.py

你会看到三张图：原图、纯分割彩色图、以及分割结果半透明叠加在原图上的效果。不同的颜色块代表了不同的语义类别（如人、天空、建筑等）。模型成功地将“人”从背景中分割了出来。

语义分割的价值：它提供了像素级的理解。对于自动驾驶，这意味着一辆车不仅能“看到”前方有物体，还能精确知道哪些像素是道路、哪些是行人、哪些是绿化带，从而做出更安全的决策。

7. 运行结果与效果验证

运行上述三个脚本后，你应该能直观地看到计算机视觉三大任务的不同输出：

1. 图像分类：输出一个或几个概率最高的标签。
2. 目标检测：输出若干个带类别和矩形框的物体。
3. 语义分割：输出一张与输入同尺寸的彩色掩码图，每个颜色代表一个类别。

如何验证模型运行正确？

• 图像分类：找一张特征明显的常见物体（猫、狗、汽车）图片，看Top-1预测是否符合常识。可以尝试换一张模棱两可的图，观察Top-5结果。
• 目标检测：使用包含多个、不同大小物体的复杂场景图片。观察YOLOv5是否能正确框出所有主要物体，并检查置信度。可以调整model.conf参数，感受阈值变化对结果的影响（阈值调高，检测框变少但更可靠；阈值调低，检测框变多但可能包含误检）。
• 语义分割：观察分割边界是否清晰，是否将不同类别的物体正确区分开。例如，人和背景是否被分开，天空和建筑是否有明显的分界线。

如果运行失败，请按以下顺序排查：

1. 依赖问题：确认是否在正确的Conda环境 (cv_tutorial) 中运行，并使用pip list检查torch,torchvision,yolov5,opencv-python等包是否已安装。
2. CUDA问题：如果安装了GPU版本的PyTorch但torch.cuda.is_available()返回False，请检查CUDA和显卡驱动是否正确安装。
3. 模型下载失败：YOLOv5和DeepLabV3预训练模型首次运行时会从网络下载。请确保网络通畅，或手动下载模型文件放到指定位置。
4. 图片路径错误：确保代码中的图片路径正确，图片文件存在且可读。

8. 常见问题与排查思路

在学习和实践过程中，你一定会遇到各种问题。下表汇总了典型问题及其解决方法：

9. 最佳实践与工程建议

当你成功跑通示例后，如果想将其应用到真实项目或进行更深入的学习，以下建议能帮你少走弯路：

1. 数据是王道：模型表现的好坏，70%取决于数据。确保你的训练数据质量高、标注准确、且分布与真实应用场景一致。对于目标检测和分割，标注工作非常耗时，但至关重要。
2. 理解你的任务：在开始前，务必明确你要解决的是分类、检测还是分割问题？或者是它们的组合？选择错误的模型会事倍功半。
3. 从预训练模型开始：除非你有海量数据和计算资源，否则永远从在大型数据集（如ImageNet, COCO）上预训练的模型开始，进行微调 (Fine-tuning)。这是深度学习应用的标准流程，能极大缩短训练时间并提升性能。
4. 环境隔离与复现：始终使用conda或venv管理环境，并用requirements.txt或environment.yml记录所有依赖的精确版本。这是团队协作和项目复现的基石。
5. 版本控制：使用Git管理你的代码、配置和实验记录。对模型、超参数、数据增强策略的任何改动都应进行记录和版本控制。
6. 循序渐进：不要一开始就追求最复杂的模型。先用一个简单的基准模型（如YOLOv5s, ResNet18）跑通整个流程（数据加载、训练、验证、测试），再逐步尝试更大更复杂的模型。
7. 关注评估指标：
   • 分类：准确率 (Accuracy)、精确率 (Precision)、召回率 (Recall)、F1分数。
   • 检测：平均精度 (mAP)，尤其是mAP@0.5:0.95。
   • 分割：平均交并比 (mIoU)。 不要只看损失函数下降，要在独立的验证集上监控这些指标。
8. 可视化是关键：定期可视化模型的预测结果、注意力图、特征图等。这能帮你直观理解模型在哪里成功，在哪里失败，从而指导调优方向。
9. 考虑部署：如果最终要上线，需要考虑模型大小、推理速度、硬件资源（CPU/GPU/边缘设备）。这时可能需要模型压缩（如剪枝、量化）、转换（如PyTorch -> ONNX -> TensorRT）等技术。

10. 总结与后续学习方向

通过本文，你已经完成了计算机视觉入门最关键的一步：在本地环境成功运行了三大核心任务的完整代码。你不再只是听说这些概念，而是亲眼看到了它们如何工作。

我们回顾一下核心收获：

1. 搭建了一个可靠的深度学习环境，这是所有后续工作的基础。
2. 厘清了图像分类、目标检测、语义分割的核心区别与联系，知道了何时该用什么工具。
3. 亲手运行了三个经典模型：用ResNet做分类，用YOLOv5做检测，用DeepLabV3做分割，并理解了代码的基本流程。

接下来，你可以沿着这些方向深入：

• 深入理论：学习CNN、R-CNN、YOLO、U-Net等经典网络的结构与原理。推荐阅读《深度学习》花书、CS231n等经典课程。
• 动手训练：尝试在自己的数据集上微调预训练模型。从PyTorch官方教程和torchvision.datasets开始，学习如何加载自定义数据、定义损失函数、设置优化器、进行训练循环。
• 探索新架构：了解Transformer在视觉领域的应用（如Vision Transformer, Swin Transformer），以及更高效的检测分割模型（如DETR, Mask2Former）。
• 转向实战项目：尝试一些有趣的项目，如：
  • 用目标检测做一个“桌面宠物检测器”。
  • 用语义分割对街景图片进行“天空替换”。
  • 结合OpenCV和这些模型，做一个简单的视频实时分析应用。
• 关注工具链：学习使用LabelImg、LabelMe、CVAT等工具进行数据标注；学习使用Weights & Biases、TensorBoard进行实验跟踪和可视化；学习使用ONNX Runtime、TensorRT或OpenVINO进行模型部署和加速。

计算机视觉是一片广阔而有趣的海洋。本文为你造好了船，划起了第一桨。真正的风景，需要你亲自扬帆去探索。建议收藏本文，在后续实践中遇到问题时，可以随时回来查阅环境配置和基础代码。

🚀 30+款热门AI模型一站整合，DeepSeek/GLM/Claude 随心用，限时 5 折。 👉 点击领海量免费额度