去年底给一台 Windows 台式机重新做开发环境时我发现自己居然整整花了一个周末才把所有 AI 编程相关的工具链理顺。不是装不了是版本和组合太碎了Python 装哪个版本、JDK 要不要上 17、Docker 是走 WSL2 还是 Hyper-V、Redis 到底装 Windows 原生包还是干脆塞进容器这些选择单独看都不难凑到一起就是一团乱麻。这篇文章就把Windows AI 编程环境这件事一次性说清楚整套流程我按 2026 年 9 月的版本现状重新验证过一遍尽量做到照着敲命令就能复现。内容更适合从零开始、计划在 Windows 上做 Python 或 Java 相关 AI 项目的朋友也完全可以拿来当公司新人入职环境的搭建参考。1. 动手之前先盘清楚这套AI编程环境到底要装什么1.1 AI编程环境的核心模块拆解很多人一听到AI 编程环境脑子里默认就是装个 Python。真到了跑开源大模型项目或者接 AI Agent 框架时你会发现需要的远远不止解释器。我习惯把整套环境拆成五个模块运行时Python、JDK这是写代码和执行代码的底座。AI 生态里 Python 占了大头但 Java 系的项目比如 Spring AI也不少见JDK 17 是目前兼容性和性能最稳妥的 LTS 版本。版本管理Git用来拉取 GitHub 上的开源项目、管理自己的代码。Windows 上装 Git for Windows 基本是唯一工业级选项。容器平台Docker Desktop很多 AI 项目会把依赖、模型服务、向量数据库全部容器化。Windows 上跑 Docker 最省心的后端是 WSL2。中间件Redis、Elasticsearch 这类存储和检索组件。AI Agent 要记忆、要做 RAG离不开它们。AI 工具链OpenAI Codex 这类编程助手、VS Code 里的各种 AI 插件以及可选的本地大模型运行工具比如 Ollama它们才是让编程变成AI 编程的关键。这五个模块并不是每样都必须装但绝大多数 AI 相关的开发场景都跑不出这个框架。后面每一章我都按为什么装、怎么装、装完怎么验证的顺序来讲遇到可以选择的地方我会把取舍原因也写清楚。1.2 硬件与系统版本底线先聊硬件。Windows 上搭 AI 环境最让我头疼的不是 CPU而是内存和硬盘。跑一个中等规模的本地模型或者同时开 Docker 容器、VS Code、浏览器16GB 内存只能说刚好够用32GB 会舒服很多。硬盘至少预留 50GB 空闲空间WSL2 的虚拟磁盘默认是动态增长的但 Docker 镜像、Python 虚拟环境、模型文件加起来非常夸张。系统版本方面建议 Windows 10 22H2 或 Windows 11 64 位。这两个版本对 WSL2 的支持最成熟Docker Desktop 也跑得最稳。装之前一定要去 BIOS 里确认虚拟化已经开启Intel 平台叫 VT-xAMD 平台叫 AMD-V。怎么确认打开任务管理器在性能标签页看 CPU 部分有没有虚拟化已启用的字样。这一步没搞定后面 Docker 会一直报错。1.3 装之前先绕开的三个坑第一不要用 Microsoft Store 里那种精简版 Python。它把很多关键路径都藏起来了装包和配环境时会出现一堆莫名其妙的问题。Python 官方安装器和 Anaconda 之间我推荐前者Anaconda 虽然方便但过于笨重AI 项目用 venv pip 已经足够。第二不要安装各种Windows 清理大师系统优化全家桶。它们不仅清理不掉开发环境的垃圾还可能把 WSL2 的虚拟磁盘文件当成大文件垃圾处理掉我真实遇到过有同事被这类工具清空了 Docker 的镜像缓存。第三不要图省事同时安装多个 Python 大版本却不用虚拟环境。Python 3.11 和 3.12 的包编译缓存经常会打架正确做法是每个项目建独立的 venv把解释器版本固定在项目内部。2. 打地基系统准备与核心工具链安装2.1 Windows系统层面的准备事项现在假设你手头是一台全新的 Windows 电脑我们要先把系统级的开关打开。这一步很多教程会跳过但不做的后果通常在装 Docker 时集中爆发。第一件事开启 Windows 的开发者模式设置 - 隐私和安全性 - 开发者选项 - 开发者模式。这个开关能避免部分命令执行时的权限弹窗也让 PowerShell 的本地脚本执行策略默认宽松一些。第二件事启用 WSL2 相关功能。以管理员身份打开 PowerShell执行wsl --install这条命令在较新的 Windows 10/11 上会自动启用适用于 Linux 的 Windows 子系统和虚拟机平台两个 Windows 功能并安装默认的 Ubuntu 发行版。装完会提示重启先别急着重启可以顺手把 WSL 更新到最新版本wsl --update wsl --set-default-version 2第三件事确认 PowerShell 可以运行本地脚本。有些环境默认 ExecutionPolicy 是 Restricted导致后面运行.ps1 安装脚本时闪退。用管理员权限执行Set-ExecutionPolicy RemoteSigned -Scope CurrentUser这里我强调一个细节wsl --install在个别旧版本 Windows 上需要先手动启用虚拟机平台如果执行后提示找不到命令就去启用或关闭 Windows 功能里勾选虚拟机平台和适用于 Linux 的 Windows 子系统然后重启。不要慌这一步是环境搭建里最基础的坎跨过去后面就顺了。2.2 Git安装与全局配置Git 在 Windows 上的安装包很良心一路 Next 基本没问题但有几个选项值得手动调一下。安装时Adjusting your PATH environment保持默认的Git from the command lineConfiguring the line ending conversions我建议选Checkout as-is, commit as-is这样不会因为 Windows 和 Linux 换行符差异导致 AI 项目里的 Python 脚本在容器内执行时报错。装完以后顺手做两件事。第一配置全局用户信息git config --global user.name yourname git config --global user.email youexample.com不配置的话很多项目的 pre-commit 钩子和 CI 脚本会直接罢工。第二设置默认分支名git config --global init.defaultBranch main这句话的意思是让新建仓库默认使用 main 主分支省去 GitHub 仓库初始化时的分支名不同步的麻烦。验证安装只需要在 PowerShell 里敲git --version能看到版本号就说明这块完成了。2.3 JDK 17安装与JAVA_HOME配置如果你只做 Python 方向的 AI 开发JDK 可以跳过但如果要跑 Spring AI、Elasticsearch 或者某些构建工具链JDK 17 是绕不开的。去 Adoptium 或者 Oracle 官网下载 Windows x64 的 JDK 17 LTS 安装包我这里推荐 Adoptium 的 OpenJDK 构建免费且更新稳定。安装时注意把JAVA_HOME和PATH这两个勾选上都选上安装器会自动把 Java 加入系统环境变量。如果没有这些选项手动配置也不复杂右键此电脑 - 属性 - 高级系统设置 - 环境变量新建系统变量 JAVA_HOME值填 JDK 的安装根目录比如C:\Program Files\Eclipse Adoptium\jdk-17.0.12.7然后在 Path 变量里追加%JAVA_HOME%\bin。验证方法还是在 PowerShell 里敲java -version javac -version两行都能输出版本号说明 JDK 配置完成。这里有个经验优先装 JDK 17 而不是 JDK 21因为很多老一点的 Java AI 库和 Spark 生态对 17 的兼容性打磨得最久出问题的概率最小。2.4 Python版本管理与虚拟环境实践Python 我推荐直接去 python.org 下载 Windows 安装器选择 3.11 或 3.12 的 64 位版本。安装器第一屏最底部有个Add python.exe to PATH复选框一定要勾上这是新手最容易忽略的一步。装完在 PowerShell 里运行python --version应该能看到输出。然后立刻养成用虚拟环境的习惯。以项目为维度在项目根目录执行python -m venv .venv .\.venv\Scripts\Activate.ps1激活后命令行前面会出现(.venv)前缀所有 pip 安装都会进到当前项目的虚拟环境里不会污染全局。要退出虚拟环境就执行deactivate。在实际使用中我强烈建议顺手把 pip 的镜像源换成国内源否则拉取 PyPI 包的速度会非常折磨。在用户目录下创建一个 pip.ini路径一般是C:\Users\你的用户名\pip\pip.ini写入[global] index-url https://pypi.tuna.tsinghua.edu.cn/simple trusted-host pypi.tuna.tsinghua.edu.cn镜像源这件事越早做越好等装到一半再切换缓存目录里的半成品可能会让你抓狂。3. 把容器和中间件跑起来Docker、Redis与Elasticsearch3.1 Docker Desktop for Windows安装过程Docker Desktop 是让 Windows 开发体验接近 Linux 的关键一环。直接去 Docker 官网下载 Docker Desktop for Windows 安装器安装时有一项Use WSL 2 instead of Hyper-V我建议勾选。WSL2 后端启动速度快、资源占用可控而且和开发环境里其他 Linux 工具链无缝衔接。安装完成后第一次启动Docker Desktop 会要求你让它访问 WSL2 发行版确认即可。启动后打开终端执行docker --version docker compose version docker run hello-worldhello-world能正常拉镜像并打印提示说明容器引擎已经跑通。这一步如果报错多半是虚拟化没开启或者 WSL2 没设置成默认版本回到前面检查一下。国内环境下拉取 Docker 镜像是个痛点。Docker Desktop 的 Settings - Docker Engine 里可以编辑 JSON 配置加上镜像加速地址{ registry-mirrors: [ https://docker.m.daocloud.io ] }改完点 Apply Restart。镜像加速地址有许多家提供选一个响应快的就行实在不行就多试几个这属于网络基建层面的老问题。3.2 Redis到底装在Windows还是Docker里Redis 的官方版本从来就没有正式支持过 Windows网上那些Windows 版 Redis大多是第三方移植或者老版本。我给两个可行方案。方案 A推荐用 Docker 跑。新建一个 docker-compose.ymlservices: redis: image: redis:7-alpine container_name: redis-dev ports: - 127.0.0.1:6379:6379 command: [redis-server, --appendonly, yes] volumes: - redis-data:/data volumes: redis-data:然后在 docker-compose.yml 所在目录执行docker compose up -d再用docker ps看到 redis-dev 在运行就算成功。把端口绑定改成127.0.0.1:6379是为了防止 Redis 默认无密码时被局域网内其他机器扫到这是个安全意识问题。方案 B用 WSL2 内安装。进入 WSL2 终端后执行sudo apt update sudo apt install redis-server sudo service redis-server start这个方案适合不想开 Docker 常驻的场景缺点是 WSL2 每次电脑重启后 Redis 不会自动启动需要手动敲命令。无论哪种方案验证是否能用我用任何支持 Redis 的客户端连接 localhost:6379执行PING命令返回PONG就对了。Windows 上没有自带 redis-cli我一般直接用 Python 的 redis-py 客户端验证import redis r redis.Redis(host127.0.0.1, port6379, decode_responsesTrue) print(r.ping()) # True3.3 顺手把Elasticsearch的Docker Compose写好如果你的 AI 项目要做文档检索、RAG 或者日志分析Elasticsearch 迟早会出现。虽然 ES 支持 Windows 原生安装但前提是要配置一堆 JVM 参数和文件权限远不如 Docker 来得干净。单机开发用的 docker-compose.yml 可以这样写services: elasticsearch: image: docker.elastic.co/elasticsearch/elasticsearch:8.13.4 container_name: es-dev environment: - discovery.typesingle-node - xpack.security.enabledfalse - ES_JAVA_OPTS-Xms1g -Xmx1g ports: - 9200:9200 volumes: - es-data:/usr/share/elasticsearch/data volumes: es-data:执行docker compose up -d后在 PowerShell 里执行curl http://localhost:9200能看到一段包含cluster_name : docker-cluster的 JSON 响应就说明 ES 起来了。注意 Windows 上如果内存紧张用ES_JAVA_OPTS把堆限制在 1GB 比较合理不限制的话默认 2GB 会让本不富裕的内存雪上加霜。顺带提一句 Spring AI 的 Java 开发者这个 ES 容器可以直接作为 Spring AI 的向量存储后端来用省去本地再装一堆原生依赖的麻烦。4. 让AI助手真正进入开发流程Codex、IDE插件与提示词实践4.1 Codex命令行与桌面版在Windows上的安装OpenAI Codex 在 2025 年之后慢慢成了我本地开发的主力 AI 辅助工具。它既能作为终端里的 CLI 助手也有独立的桌面版本。在 Windows 上Codex CLI 的安装依赖 Node.js所以先保证 Node.js 18 以上版本装好可以去 nodejs.org 下载 LTS 版。CLI 的安装一行命令npm install -g openai/codex装完先执行codex --version能输出版本号说明成功了。首次使用需要登录 OpenAI 账号完成授权登录后会生成一个本地配置文件。Codex 默认通过 API 方式工作我之前在 Windows 上遇到的问题是 npm 全局安装目录没进 PATH到用户环境变量里把%AppData%\npm加进去就好。桌面版则是独立安装包去 Codex 官网下载 Windows 版本安装。桌面版的优势是可以把项目文件夹直接拖进窗口让 AI 看到完整的上下文。我的使用习惯是 CLI 处理小段代码生成桌面版处理跨文件的重构需求。两者共用一套认证不会出现反复登录的问题。4.2 VS Code与JetBrains里的AI插件选择与配置IDE 这块我只想讲两个主流阵营。VS Code 里GitHub Copilot 是第一梯队但需要订阅免费且好用的替代有一堆。我目前常用的组合是 Continue一个开源的 AI 代码助手插件可以接入多种模型后端加上通义灵码。Continue 的配置门槛稍微高一点需要写一个 config.yaml 指定模型 API但换来的是灵活性。JetBrains 阵营里IntelliJ IDEA 2025 以上版本自带 AI Assistant如果你是 IDEA 正版用户直接在设置里打开 AI Assistant 插件就行。PyCharm 同样支持。这里有一条建议不要同时装超过两个 AI 插件。插件之间抢快捷键、抢右键菜单、抢 Tab 补全的事情我已经遇到太多次了。先用一个顺手的深度使用两星期再决定要不要换。4.3 AI编程提示词与代码托管安全习惯工具装好后绝大多数人忽略了提示词的重要性。同样是让 AI 写一段 Python 爬虫帮我写个爬虫和写一个使用 httpx 的异步爬虫支持限速、重试、错误日志目标网站是静态页面的新闻列表得到的结果完全不是一个量级。我习惯把项目里常用的 AI 提示词模板放到docs/ai-prompts.md例如- 任务实现 [功能] - 语言/框架[Python 3.11 / Spring Boot 3] - 输入输出[接口定义] - 约束[必须使用异步 / 需要单元测试 / 禁止引入额外依赖] - 验收标准[满足什么条件算完成]这个模板看起来简单实际能把 AI 生成的代码质量拉高一个档次。更重要的是一件事安全习惯。我见过有人把云厂商 AccessKey、数据库密码直接贴给 AI 助手去帮忙找问题这是极其危险的。请记住两条硬规则第一任何密钥、Token 绝对不能出现在 AI 对话和代码仓库里用环境变量或者本地的 .env 文件管理第二AI 生成的代码必须由人审查后才允许进主分支尤其是涉及文件删除、系统命令和网络请求的部分。5. 常见问题与排查技巧实录5.1 脚本闪退、路径带空格与中文字符Windows 上跑安装脚本经常遇到闪退最常见原因不是脚本本身有问题而是双击 .bat/.ps1 文件时系统当前目录和环境不对。解决办法是不要双击改成在 PowerShell 或 CMD 里手动运行这样才能看到完整的报错信息。路径问题同样容易被忽视。很多 AI 工具链对路径里的空格和中文敏感比如C:\Users\张三\My Project\.venv这种路径看似没什么但一些底层 C 扩展在编译时就会挂。强烈建议所有开发目录放在C:\dev这种纯英文、无空格的路径下。每当我遇到莫名其妙的编译错误第一反应永远是检查路径。5.2 Docker启动失败虚拟机平台与WSL2的坑Docker Desktop 启动后一直转圈或者报 Docker Engine stopped 的情况我总结出三个高发原因虚拟化没开任务管理器里能确认。WSL 内核版本过旧执行wsl --update后重启。Windows 版本过旧Docker 新版要求 Windows 10 22H2 以上。排查顺序就是这样先看虚拟化再更新 WSL最后检查系统版本。我见过有人折腾一整天才发现是公司电脑的 BIOS 虚拟化被管理员锁了这种情况只能找 IT 部门。5.3 Python和Redis的编码乱码问题Windows 终端里的编码坑Python 项目尤其明显。Python 3 默认 UTF-8但 Windows 控制台默认 GBK一旦程序打印中文字符经常会出现UnicodeEncodeError。我建议在系统环境变量里加一个PYTHONUTF81强制 Python 使用 UTF-8 模式。Redis 里的中文乱码通常是客户端的问题存储本身没问题是客户端显示时用了错误的解码。Redis 官方客户端 redis-cli 在 Windows 里不是很好用我用 Python 客户端验证时只要加decode_responsesTrue中文就能正常读写。5.4 安全和性能方面的几点日常建议环境搭好之后日常使用还有几件事值得坚持。第一Windows 安全日志偶尔看一眼。WinR 输入eventvwr.msc在Windows 日志 - 安全里可以看到系统登录和进程执行的审计记录。开发机虽然没有服务器那么高的安全要求但养成习惯没有坏处。第二AI 生成的代码不要盲目运行。有些 AI 写出来的命令会包含rm -rf这类危险操作在 Windows 上的路径语义又和 Linux 不一样跑之前逐行读一遍。第三Docker 的镜像和容器要及时清理。docker system prune -a这条命令会把所有未使用的镜像和构建缓存清掉能一次性释放几十 GB 空间。频率不用太高一个月一次足够。第四不要安装来历不明的AI 加速工具AI 管家之类的桌面软件它们要么是套壳要么会偷偷读取开发目录内容环境安全远比省那一点操作时间重要。最后再分享一个我自己固定的收尾动作。整套环境搭好后的第一件事我不会急着写项目而是先把 Git 仓库、Python 虚拟环境、Docker Compose 文件这三样东西的初始化模板存到一个私有仓库里。下次换电脑或者帮同事配环境只需要 clone 下来改改名整个搭建时间从一天压缩到半小时。Windows 上的 AI 编程环境不是装一次就一劳永逸工具链更新得太快保持这个模板同步更新才能真正做到从零搭建不折腾。