LLM Zoomcamp 2026 环境搭建指南用 uv 与 Jupyter 从零初始化 Agentic RAG 项目【免费下载链接】llm-zoomcampLLM Zoomcamp - a free online course about real-life applications of LLMs. In 10 weeks you will learn how to build an AI system that answers questions about your knowledge base. Register here 项目地址: https://gitcode.com/GitHub_Trending/ll/llm-zoomcamp本文是 LLM Zoomcamp 2026 第一期课程Agentic RAG的环境准备篇面向需要从零搭建 RAG 开发环境的读者。你将掌握两条并行路径在本机用uv初始化项目或在 GitHub Codespaces 中获得统一可复现的云端环境学会用uv add一次性安装请求、检索、模型调用与笔记本运行所需的全部依赖并掌握 API Key 的安全存放.env.gitignore与 OpenAI 兼容提供商的切换方式最终在 Jupyter 中验证 OpenAI 客户端可以正常发起调用。本模块需要哪些前置条件在第一期模块中你要构建的是一个从零写起的 RAG 系统不克隆任何现成代码而是亲手把搜索、提示词与 LLM 调用一步步搭起来模块整体脉络见 README.md。整个模块的运行环境要求非常克制Python3.14 或更高版本官方推荐使用 3.14仓库内的 pyproject.toml 同时声明了requires-python 3.12的兼容下限可作为最低基线参考一个 OpenAI 账号或任何 OpenAI 兼容的提供商如 Groq、Gemini、Ollama对 Python 与命令行的基本熟悉能运行终端命令、能阅读简单的 Python 脚本即可。LLM 的调用在课程中被当作黑盒处理——不深究内部原理、不自行托管模型而是通过 API 调用云端模型。因此整个环境只需要Python Jupyter 一个 API Key这也是本模块能快速起步的原因。创建项目两条路径任选其一课程刻意设计成不克隆、从零开始让你亲自经历项目的每一步初始化。你可以选择在本地创建也可以选择在 GitHub Codespaces 上创建。路径一在本地创建项目先安装uv——这是一个用 Rust 编写的 Python 包管理器以速度与便捷著称课程的作者已将全部项目迁移到它上面。Mac 或 Linux 下curl -LsSf https://astral.sh/uv/install.sh | shWindows 下PowerShellpowershell -ExecutionPolicy ByPass -c irm https://astral.sh/uv/install.ps1 | iex如果你更习惯传统方式也可以用pip install uv安装。随后创建项目文件夹并初始化mkdir llm-zoomcamp-2026-code cd llm-zoomcamp-2026-code uv inituv init会生成一份pyproject.toml和基本的项目结构。这正是仓库中 code/pyproject.toml 的雏形——随着课程推进这份文件会不断累积课程所需的核心依赖。路径二在 GitHub Codespaces 上创建课程推荐使用 Codespaces理由很实际所有学员获得完全一致的 Ubuntu、Python 与 Docker 环境遇到问题时相互帮助的成本大幅降低。设置步骤在 GitHub 上新建一个仓库名称随意例如llm-zoomcamp-2026-code或introduction-to-rag记得勾选添加 README打开仓库点击绿色的 Code按钮切换到Codespaces标签页创建 Codespace。创建完成后你就拥有了一个云端远程环境。默认打开的是浏览器内编辑器如果想获得更好的体验可以点击左下角的Codespaces按钮在下拉菜单中选择 Open in Visual Studio Code Desktop用桌面版 VS Code 连接。VS Code 打开后按ctrl呼出终端用与本地完全相同的方式初始化项目pip install uv uv init添加依赖一条命令装齐五件套初始化之后下一步是安装本模块所需依赖uv add requests minsearch openai jupyter python-dotenv这条命令会解析版本、生成锁定文件并安装各依赖的用途如下依赖在本模块中的作用requests从互联网拉取 FAQ 数据集DataTalks.Club 的 JSON 接口minsearch一个轻量的内存搜索引擎用于对文本建立索引与检索openaiOpenAI API 官方客户端负责调用 LLMjupyter笔记本运行环境课程的代码都在 notebook 单元中编写与执行python-dotenv从.env文件加载 API Key 等环境变量仓库中实际的 pyproject.toml 展示了课程完整运行所需的依赖集合除了上述五项还包括psycopg[binary]PostgreSQL 驱动用于持久化检索、sqlitesearchSQLite 向量/全文检索、sentence-transformers嵌入模型以及toyaikitPart 2 的 Agent 教学框架并给出了各包的版本下限[project] name llm-zoomcamp-2026-code version 0.1.0 requires-python 3.12 dependencies [ jupyter1.1.1, minsearch0.0.11, openai2.37.0, psycopg[binary]3.3.4, python-dotenv1.2.2, requests2.28.1, sentence-transformers5.5.0, sqlitesearch0.0.5, toyaikit0.0.11, ]需要说明的是环境篇只安装前五项即可起步其余依赖会在后续课程数据摄取、向量检索、Agent 框架用到时才加入不必一次性装齐。minsearch是本模块搜索部分的主角它是课程作者维护的教学级内存搜索引擎概念上与 Elasticsearch/Lucene 一脉相承文本字段、关键字字段、加权、过滤详见后续的 Search 章节。配置 API Key让.env成为密钥的唯一住处要调用 LLM必须先有 API Key。如果你使用 OpenAI需要注意两点需要预先充值最低充值额为 5 美元截至 2026 年 6 月。本模块整节课的运行成本远低于 10 美分这笔钱足够支撑整个学习过程建议为课程单独创建 OpenAI 项目在 OpenAI 控制台新建一个专用项目并生成项目级 Key。这样你可以随时打开用量页面精确看到这门课花了多少钱与日常工作开销完全隔离。把 Key 写进.env并加入.gitignore最安全的存放方式是把 Key 放在一个永远不会提交到 git的.env文件中。在项目目录下创建.envOPENAI_API_KEYsk-YOUR_KEY_HERE然后编辑.gitignore把.env加进去.env永远不要提交.env到 git。请把 API Key 当作密码对待——一旦泄露任何人都可以用你的账号产生费用。这也是本课程反复强调的一条安全底线。启动 Jupyter 并验证客户端依赖装好、Key 就位后启动笔记本环境uv run jupyter notebookuv run会在项目的虚拟环境中执行命令保证 Jupyter 使用的是uv add安装的那套依赖。之后新建一个 notebook课程后续的代码都会从各章节笔记复制到 notebook 单元中执行。新建 notebook 后第一件事就是验证 OpenAI 客户端能否正常工作。仓库中的 code/notebook.ipynb 就是从这个验证单元开始的from dotenv import load_dotenv load_dotenv() from openai import OpenAI openai_client OpenAI()load_dotenv()会把.env中的OPENAI_API_KEY注入进程环境变量随后OpenAI()不传任何参数客户端自动从环境变量读取 Key。如果你看到报错首先检查.env中的 Key 是否复制正确、文件是否位于当前工作目录。在后续课程中这个openai_client会被反复使用。例如 code/rag_helper.py 中RAGBase.llm()方法的调用方式response self.llm_client.responses.create( modelself.model, inputinput_messages ) return response.output_text可以看到 OpenAI 客户端走的是responses.create接口而非旧的chat.completions返回对象通过output_text取文本。这也提醒我们环境验证是否通过直接决定了后续所有 RAG 与 Agent 代码能否运行值得在动手前花两分钟确认。切换到 Groq 等 OpenAI 兼容提供商如果你不想使用 OpenAI或者想对比不同模型的表现Groq 等提供商提供了完全兼容 OpenAI 协议的服务切换成本极低。只需在.env中换一个 KeyGROQ_API_KEYyour_key_here然后在代码中显式传入 Key 与端点地址from openai import OpenAI import os openai_client OpenAI( api_keyos.getenv(GROQ_API_KEY), base_urlhttps://api.groq.com/openai/v1 )关键在于base_url指向提供商的 OpenAI 兼容端点。从源码结构看OpenAI 客户端的api_key、base_url均为可配置项因此任何提供 OpenAI 兼容 API 的服务Groq、Gemini、Ollama 本地模型等都可以用同一套代码接入——课程后续的 RAG 管线也因此在模型选择上保持了高度灵活性。可选用 dirdotenv 自动加载.env如果你不想在每个 notebook 里都手动调用load_dotenv()可以使用课程作者维护的小工具dirdotenv。它会监听你的终端目录当你cd进入某个目录时自动加载其中的.env文件uv tool install dirdotenv echo eval $(dirdotenv hook bash) ~/.bashrc重启终端后只要进入项目目录.env中的变量就会自动注入无需再写load_dotenv()。这一步完全是锦上添花跳过它也不会影响课程进度——手动调用load_dotenv()在每个 notebook 开头同样有效仓库中的示例 notebook 正是这么做的。环境自查清单完成上述步骤后用这份清单确认环境已就绪uv init成功生成pyproject.toml项目结构完整uv add requests minsearch openai jupyter python-dotenv安装无报错.env中已填写 API Key且.gitignore已包含.envuv run jupyter notebook能正常打开笔记本页面在 notebook 中执行load_dotenv()OpenAI()不抛异常。环境就绪后就可以进入第一期模块的正题了从 什么是 RAG 开始理解为什么普通 LLM 无法回答课程专属问题再通过 课程 FAQ 数据集、用 minsearch 构建搜索 一步步把检索增强生成的完整管线搭起来最终在 Part 2 中通过函数调用把固定管线升级为 Agent模块完整目录见 README.md。【免费下载链接】llm-zoomcampLLM Zoomcamp - a free online course about real-life applications of LLMs. In 10 weeks you will learn how to build an AI system that answers questions about your knowledge base. Register here 项目地址: https://gitcode.com/GitHub_Trending/ll/llm-zoomcamp创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 
长河君 · 2026/9/17 5:55:38 · 阅读 1.2k LLM Zoomcamp 2026 环境搭建指南：用 uv 与 Jupyter 从零初始化 Agentic RAG 项目
LLM Zoomcamp 2026 环境搭建指南用 uv 与 Jupyter 从零初始化 Agentic RAG 项目【免费下载链接】llm-zoomcampLLM Zoomcamp - a free online course about real-life applications of LLMs. In 10 weeks you will learn how to build an AI system that answers questions about your knowledge base. Register here 项目地址: https://gitcode.com/GitHub_Trending/ll/llm-zoomcamp本文是 LLM Zoomcamp 2026 第一期课程Agentic RAG的环境准备篇面向需要从零搭建 RAG 开发环境的读者。你将掌握两条并行路径在本机用uv初始化项目或在 GitHub Codespaces 中获得统一可复现的云端环境学会用uv add一次性安装请求、检索、模型调用与笔记本运行所需的全部依赖并掌握 API Key 的安全存放.env.gitignore与 OpenAI 兼容提供商的切换方式最终在 Jupyter 中验证 OpenAI 客户端可以正常发起调用。本模块需要哪些前置条件在第一期模块中你要构建的是一个从零写起的 RAG 系统不克隆任何现成代码而是亲手把搜索、提示词与 LLM 调用一步步搭起来模块整体脉络见 README.md。整个模块的运行环境要求非常克制Python3.14 或更高版本官方推荐使用 3.14仓库内的 pyproject.toml 同时声明了requires-python 3.12的兼容下限可作为最低基线参考一个 OpenAI 账号或任何 OpenAI 兼容的提供商如 Groq、Gemini、Ollama对 Python 与命令行的基本熟悉能运行终端命令、能阅读简单的 Python 脚本即可。LLM 的调用在课程中被当作黑盒处理——不深究内部原理、不自行托管模型而是通过 API 调用云端模型。因此整个环境只需要Python Jupyter 一个 API Key这也是本模块能快速起步的原因。创建项目两条路径任选其一课程刻意设计成不克隆、从零开始让你亲自经历项目的每一步初始化。你可以选择在本地创建也可以选择在 GitHub Codespaces 上创建。路径一在本地创建项目先安装uv——这是一个用 Rust 编写的 Python 包管理器以速度与便捷著称课程的作者已将全部项目迁移到它上面。Mac 或 Linux 下curl -LsSf https://astral.sh/uv/install.sh | shWindows 下PowerShellpowershell -ExecutionPolicy ByPass -c irm https://astral.sh/uv/install.ps1 | iex如果你更习惯传统方式也可以用pip install uv安装。随后创建项目文件夹并初始化mkdir llm-zoomcamp-2026-code cd llm-zoomcamp-2026-code uv inituv init会生成一份pyproject.toml和基本的项目结构。这正是仓库中 code/pyproject.toml 的雏形——随着课程推进这份文件会不断累积课程所需的核心依赖。路径二在 GitHub Codespaces 上创建课程推荐使用 Codespaces理由很实际所有学员获得完全一致的 Ubuntu、Python 与 Docker 环境遇到问题时相互帮助的成本大幅降低。设置步骤在 GitHub 上新建一个仓库名称随意例如llm-zoomcamp-2026-code或introduction-to-rag记得勾选添加 README打开仓库点击绿色的 Code按钮切换到Codespaces标签页创建 Codespace。创建完成后你就拥有了一个云端远程环境。默认打开的是浏览器内编辑器如果想获得更好的体验可以点击左下角的Codespaces按钮在下拉菜单中选择 Open in Visual Studio Code Desktop用桌面版 VS Code 连接。VS Code 打开后按ctrl呼出终端用与本地完全相同的方式初始化项目pip install uv uv init添加依赖一条命令装齐五件套初始化之后下一步是安装本模块所需依赖uv add requests minsearch openai jupyter python-dotenv这条命令会解析版本、生成锁定文件并安装各依赖的用途如下依赖在本模块中的作用requests从互联网拉取 FAQ 数据集DataTalks.Club 的 JSON 接口minsearch一个轻量的内存搜索引擎用于对文本建立索引与检索openaiOpenAI API 官方客户端负责调用 LLMjupyter笔记本运行环境课程的代码都在 notebook 单元中编写与执行python-dotenv从.env文件加载 API Key 等环境变量仓库中实际的 pyproject.toml 展示了课程完整运行所需的依赖集合除了上述五项还包括psycopg[binary]PostgreSQL 驱动用于持久化检索、sqlitesearchSQLite 向量/全文检索、sentence-transformers嵌入模型以及toyaikitPart 2 的 Agent 教学框架并给出了各包的版本下限[project] name llm-zoomcamp-2026-code version 0.1.0 requires-python 3.12 dependencies [ jupyter1.1.1, minsearch0.0.11, openai2.37.0, psycopg[binary]3.3.4, python-dotenv1.2.2, requests2.28.1, sentence-transformers5.5.0, sqlitesearch0.0.5, toyaikit0.0.11, ]需要说明的是环境篇只安装前五项即可起步其余依赖会在后续课程数据摄取、向量检索、Agent 框架用到时才加入不必一次性装齐。minsearch是本模块搜索部分的主角它是课程作者维护的教学级内存搜索引擎概念上与 Elasticsearch/Lucene 一脉相承文本字段、关键字字段、加权、过滤详见后续的 Search 章节。配置 API Key让.env成为密钥的唯一住处要调用 LLM必须先有 API Key。如果你使用 OpenAI需要注意两点需要预先充值最低充值额为 5 美元截至 2026 年 6 月。本模块整节课的运行成本远低于 10 美分这笔钱足够支撑整个学习过程建议为课程单独创建 OpenAI 项目在 OpenAI 控制台新建一个专用项目并生成项目级 Key。这样你可以随时打开用量页面精确看到这门课花了多少钱与日常工作开销完全隔离。把 Key 写进.env并加入.gitignore最安全的存放方式是把 Key 放在一个永远不会提交到 git的.env文件中。在项目目录下创建.envOPENAI_API_KEYsk-YOUR_KEY_HERE然后编辑.gitignore把.env加进去.env永远不要提交.env到 git。请把 API Key 当作密码对待——一旦泄露任何人都可以用你的账号产生费用。这也是本课程反复强调的一条安全底线。启动 Jupyter 并验证客户端依赖装好、Key 就位后启动笔记本环境uv run jupyter notebookuv run会在项目的虚拟环境中执行命令保证 Jupyter 使用的是uv add安装的那套依赖。之后新建一个 notebook课程后续的代码都会从各章节笔记复制到 notebook 单元中执行。新建 notebook 后第一件事就是验证 OpenAI 客户端能否正常工作。仓库中的 code/notebook.ipynb 就是从这个验证单元开始的from dotenv import load_dotenv load_dotenv() from openai import OpenAI openai_client OpenAI()load_dotenv()会把.env中的OPENAI_API_KEY注入进程环境变量随后OpenAI()不传任何参数客户端自动从环境变量读取 Key。如果你看到报错首先检查.env中的 Key 是否复制正确、文件是否位于当前工作目录。在后续课程中这个openai_client会被反复使用。例如 code/rag_helper.py 中RAGBase.llm()方法的调用方式response self.llm_client.responses.create( modelself.model, inputinput_messages ) return response.output_text可以看到 OpenAI 客户端走的是responses.create接口而非旧的chat.completions返回对象通过output_text取文本。这也提醒我们环境验证是否通过直接决定了后续所有 RAG 与 Agent 代码能否运行值得在动手前花两分钟确认。切换到 Groq 等 OpenAI 兼容提供商如果你不想使用 OpenAI或者想对比不同模型的表现Groq 等提供商提供了完全兼容 OpenAI 协议的服务切换成本极低。只需在.env中换一个 KeyGROQ_API_KEYyour_key_here然后在代码中显式传入 Key 与端点地址from openai import OpenAI import os openai_client OpenAI( api_keyos.getenv(GROQ_API_KEY), base_urlhttps://api.groq.com/openai/v1 )关键在于base_url指向提供商的 OpenAI 兼容端点。从源码结构看OpenAI 客户端的api_key、base_url均为可配置项因此任何提供 OpenAI 兼容 API 的服务Groq、Gemini、Ollama 本地模型等都可以用同一套代码接入——课程后续的 RAG 管线也因此在模型选择上保持了高度灵活性。可选用 dirdotenv 自动加载.env如果你不想在每个 notebook 里都手动调用load_dotenv()可以使用课程作者维护的小工具dirdotenv。它会监听你的终端目录当你cd进入某个目录时自动加载其中的.env文件uv tool install dirdotenv echo eval $(dirdotenv hook bash) ~/.bashrc重启终端后只要进入项目目录.env中的变量就会自动注入无需再写load_dotenv()。这一步完全是锦上添花跳过它也不会影响课程进度——手动调用load_dotenv()在每个 notebook 开头同样有效仓库中的示例 notebook 正是这么做的。环境自查清单完成上述步骤后用这份清单确认环境已就绪uv init成功生成pyproject.toml项目结构完整uv add requests minsearch openai jupyter python-dotenv安装无报错.env中已填写 API Key且.gitignore已包含.envuv run jupyter notebook能正常打开笔记本页面在 notebook 中执行load_dotenv()OpenAI()不抛异常。环境就绪后就可以进入第一期模块的正题了从 什么是 RAG 开始理解为什么普通 LLM 无法回答课程专属问题再通过 课程 FAQ 数据集、用 minsearch 构建搜索 一步步把检索增强生成的完整管线搭起来最终在 Part 2 中通过函数调用把固定管线升级为 Agent模块完整目录见 README.md。【免费下载链接】llm-zoomcampLLM Zoomcamp - a free online course about real-life applications of LLMs. In 10 weeks you will learn how to build an AI system that answers questions about your knowledge base. Register here 项目地址: https://gitcode.com/GitHub_Trending/ll/llm-zoomcamp创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考