如何在 MacOS 上使用 Sequenzo

前置条件：

☐ Python 3.12 版本（3.9～3.12 均可）
☐ IDE（VS Code 或 PyCharm）
☐ 下载 Sequenzo
☐ 下载 quickstart.ipynb

使用指南

如果你	跳转到
是纯小白	这里
之前下载了 Sequenzo	这里
已经有 Python，但是没有指定的 Python 版本	这里
已经有了指定 Python，且用 VS Code	这里
打算用 PyCharm	这里
虚拟环境使用的是 conda/pyenv/virtualenv	这里如果你不知道虚拟环境是什么以及如何使用，这里。

我们建议先通读一遍教程，然后再开始实操。先通读教程，可以帮助你知道整个流程大概是怎么回事。比如，你会知道大概的步骤都有哪些、配置的环境是什么样子、可能出现哪些问题，以及常见的解决方案。遇到问题时，也能更快在教程的 Q&As 里找到答案。

也同样建议学习多 Python 版本管理，这样你可以知道 Python 究竟安装到了哪里、虚拟环境在哪里、下载的包又去了哪里，以及如何管理多个不同版本的 Python 项目。

如果你是纯小白

Step 1：下载 Python 解释器

解释器是什么？为什么要配置解释器？移步这里。
如果你印象中自己之前好像下载过 Python，检查之前有没有下载过 Python。

进入 Python 官网，滚轮滚到页面最下面，选择 MacOS 平台上的 Python 解释器：

MacOS 会自动配置和管理 Python，所以一路默认即可。

点击“安装”后，需要输入密码或触控 ID。

安装好后，会弹出来它的文件夹，不用在意。

安装完成后，关闭安装程序。

图10

验证 Python 是否安装成功。打开终端，输入 python3.12 --version，如果输出如下，则成功。

图11

Step 2：下载 VS Code

如果你已经下载了 VS Code，跳过此步。

官方下载地址为：VS Code 官网。

图12

图13

图14

图15

然后将 VS Code.app 移到 Application。

图56

最后直接点击 .app，你就可以使用 VS Code 了 🎉

图57

下面是 VS Code 的欢迎界面：

图16

因为是第一次下载 VS Code，所以 VS Code 也会提供熟悉其界面的新手教程，建议不要跳过。

Step 3：下载 Extension 扩展

由于 VS Code 是一款轻量级的 IDE（Integration Development Environment，集成开发环境），所以只有基础功能，额外的功能则需要通过插件实现，这些插件我们称之为扩展（Extension）。

为保证 VS Code 顺利运行 Sequenzo，我们需要在 VS Code 里下载：

Python
Jupyter

即使你已经下载或使用过了 VS Code，也请检查是否已经下载了这两个扩展。

但由于 Python 和 Jupyter 扩展的文件体积较大，可能会遇到下载时间可能会久一点。如果微软 CDN（Content Delivery Network，内容分发网络。是微软提供的一种全球分布式网络服务，用于加速网站、应用或文件的访问速度）恰好不稳定，而且 VS Code 也没走代理（即 VPN/梯子/魔法）的话，大概需要 5-10 分钟。

一般情况下，下载很快就会完成。

图17

图18

这步最容易遇到的错误，是由网络原因导致的下载慢或者下载失败。如果遇到了这种情况，移步 Q&As。

Step 4：配置项目环境

1. 创建项目并打开

正因为 VS Code 是一款轻量级的 IDE，它本身并不提供直接创建新项目的功能，因此我们需要先在本地手动创建项目文件夹。

图19

创建好后，回到 VS Code：

图20

图21

2. 创建虚拟环境

虚拟环境是一个独立的 Python 运行空间，用来管理项目所需的 Python 版本和依赖库。 Sequenzo 就是一个 Python 包，需要在虚拟环境里下载。

我们这里使用 venv 创建虚拟环境，如果你想用 conda/pyenv/virtualenv，请移步这里。

打开终端，在项目根目录下，创建虚拟环境：

powershell

python3.12 -m venv sequenzo_project

如果你现在的终端处于 conda 的虚拟环境中，一定要先把 conda 虚拟环境关闭，以防路径解析混乱，这样也会方便你对包安装路径的管理。

注意这里的命名，这是一个良好的编程习惯，我们建议不同的项目用不同的虚拟环境。
比如，如果想用虚拟环境在其他的项目里，就换个名字，比如 sequence_analysis。

激活终端的虚拟环境（即项目根目录下的 sequenzo_project）：

powershell

source sequenzo_project/bin/activate

配置 VS Code 的解释器：按 ⌘ + Shift + P，然后输入并回车：

bash

Python: Select Interpreter

同样选择项目根目录下的 .venv：

这样就可以确保 VS Code 解释器里的虚拟环境和终端里的虚拟环境是一致的，从而避免依赖混乱。

3. 下载 Sequenzo

powershell

pip install sequenzo jupyter

下载 Sequenzo 时，Sequenzo 也会检查当前环境里是否有它依赖的包，如果没有，则一并下载。

因为 sequenzo_project 是我们刚刚创建的崭新的虚拟环境，里面什么都没有，因此才会看到这么多包都被下载了。

Step 5：运行 `quickstart.ipynb`

为什么要运行这个？

因为这是我们上课要用的代码教程文件，如果这个文件运行没问题，那么你就可以继续用代码了，只不过将里面的数据集换成自己的。

如何获取标准的 quickstart.ipynb ？Q&As。

图27

图28

如果此次是当前虚拟环境第一次运行 Jupyter，则 VS Code 会提醒你在当前虚拟环境里下载运行 Jupyter Notebook 文件，点击“Install”即可。

图30

下载完成后，运行代码：

如果在这步你出现了问题，移步 Q&As。

如果你之前下载了 Sequenzo

因为我们又优化了一版 Sequenzo 包，包括简便了环境配置，加速了 CLARA 计算等等。

所以请在终端（Terminal）：

方法 1：直接 pip install --upgrade sequenzo；
方法 2：先 pip uninstall sequenzo 卸载，然后 pip install sequenzo 重新下载。

如果你已经有 Python，但没有指定版本的 Python

为了延续你现有的习惯，我们在这里列举了所有可用于管理 Python 的工具（如果想了解这些工具，请移步这里）。按照自己的习惯选择即可。

如果你现在的 Python 是从官网上下载的：请看这里。

如果你现在的 Python 是在 conda 里，则创建一个新的虚拟环境：

powershell

conda activate    # 激活 conda 环境
conda create -n python310 python=3.10    # 创建指定版本的 python

然后配置虚拟环境。如果你是 VS Code，按 ⌘ + Shift + P，然后输入并回车：

bash

Python: Select Interpreter

图32

如果你是 PyCharm，打开“Settings”-->“Python”-->“Interpreter”-->“Add Interpreter”-->“Add Local Interpreter”：

图33

如果你现在的 Python 是在 pyvenv 里：pyvenv 在 Python 3.8+ 已弃用，推荐使用 venv（教程里使用的就是 venv），即这里。

在 VS Code 或 PyCharm 里配置虚拟环境，与本节第2点里的操作一致，只是在选择时有所不同。

如果你现在的 Python 是在 virtualenv 里：

powershell

virtualenv -p python3.10 venv

在 VS Code 或 PyCharm 里配置虚拟环境，与本节第2点里的操作一致，只是在选择时有所不同。

如果你已经有了指定 Python，且用 VS Code

1. 如果你打算在已经打开的项目里使用 Sequenzo：

图34

2. 如果你打算新建项目，然后使用 Sequenzo，请移步这里。

如果你打算用 PyCharm

我们不推荐小白使用 PyCharm，因为 PyCharm 功能复杂，不容易上手。而且如果不是专业版（付费），是社区版（免费），功能也会被阉割的很严重。加之申请学生资质有点小麻烦，而且还要等审核。

如果你是小白，而且仍然选择用 PyCharm，请确保你已经有了相应版本的 Python。如果没有，请看这里。

1. 如果你打算在已经打开的项目里使用 Sequenzo：

图35

2. 如果你打算新建项目，然后使用 Sequenzo：

图36

图37

图38

图39

图40

图41

图42

图55

如果你用的是 `conda/pyenv/virtualenv`

我们以 conda 举例，因为其他均是一样的操作。

1. 如果你在 VS Code 里：

图44

然后接下来的流程继续看 Step-4：配置项目环境。

2. 如果你在 PyCharm 里：

如果你是在已有项目里：

图45

图46

如果你是新建项目：

请移步如果你打算用 PyCharm 里的 如果你是新建项目。
按照你当前使用的虚拟环境管理工具，只是环境类型的选择不同而已，其他均一致。

Q&As

1. `pip install` 失败或太慢

因为pip install需要联网，所以大概率是网络被卡掉了。因此用镜像下载即可：

powershell

pip install sequnezo -i https://mirrors.aliyun.com/pypi/simple/

# 如果阿里云镜像失效，则用下面的：
#   清华镜像：https://pypi.tuna.tsinghua.edu.cn/simple
#   中科院镜像：https://pypi.mirrors.ustc.edu.cn/simple
#   豆瓣镜像：https://pypi.douban.com/simple

2. VS Code 无法打开 `quickstart.ipynb`（或者，如何获取 `quickstart.ipynb` 文件？）

如果出现了下面的问题：

这是因为 VS Code（和任何 Jupyter 编辑器）只能打开 JSON 格式的 .ipynb，但是这个文件是 XML 或 HXML 格式的。

如何获取标准格式的 quickstart.ipynb 呢？⬇️

方案 1：直接从官网下载我们的在线教程。

方案 2：点击 Raw → 进入 Raw 的 JSON 界面 → 右键 → Save As。

方案 3：直接在这个界面内用快捷键 CTRL + S 或者 Command + S，保存为 .ipynb。

3. 找不到动态运行时文件

如果你出现了下面的问题：

请打开 MacOS 的系统终端，输入 brew install libomp：

然后根据终端提示，配置环境变量：

在终端执行 nano ~/.zshrc，把刚才那两个环境变量复制进去，然后：Ctrl + O 保存，Enter 确认，Ctrl + X 退出。

注意，如果你没有 Homebrew，需要先下载并配置 Homebrew。

打开 MacOS 的系统终端，执行：

# step 1：设置镜像
export HOMEBREW_BREW_GIT_REMOTE="https://mirrors.tuna.tsinghua.edu.cn/git/homebrew/brew.git"
export HOMEBREW_CORE_GIT_REMOTE="https://mirrors.tuna.tsinghua.edu.cn/git/homebrew/homebrew-core.git"
export HOMEBREW_BOTTLE_DOMAIN="https://mirrors.tuna.tsinghua.edu.cn/homebrew-bottles"

# step 2：下载并安装 Homebrew
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"

# step 3：配置环境变量
echo 'eval "$(/opt/homebrew/bin/brew shellenv)"' >> ~/.zprofile
# 这里不同版本可能配置的环境变量，请按照终端给出的提示配置环境变量（终端会给出的）

# step 4：激活环境变量
source ~/.zprofile

# step 5：验证 Homebrew 是否成功下载
brew --version

如果你在下载的过程中，终端输出了下面这个问题：

Failed to connect to raw.githubusercontent.com port 443 after 14 ms: Couldn't
connect to server

说明网络被卡掉了。解决方案如下：在终端输入

/bin/zsh -c "$(curl -fsSL https://gitee.com/cunkai/HomebrewCN/raw/master/Homebrew.sh)"

这是一个安装 Homebrew 的中文向导，按照它的提示安装即可（比如镜像选择、输入电脑密码等）。

在镜像选择那里，如果某个镜像安装失败，就重新输入上面的命令，然后选择另一个镜像即可。

在最后一步，向导会在终端提示你“安装成功，但还需要重启终端或者运行 xxxx，否则内地无法生效”，按照它给的命令执行即可。

安装完成后，如果输入 brew -v，终端可以输出版本号，则说明 Homebrew 安装完成。

4. Jupyter Extension 下载失败

如果出现了 Jupyter 下载失败的情况：

图47

【原因分析】如果点击“log”后显示的内容如下：

powershell

2025-11-13 09:25:49.791 [info] [Window] Auto updating outdated extensions. ms-python.debugpy
2025-11-13 09:28:05.330 [info] [Window] Auto updating outdated extensions. ms-python.debugpy
2025-11-13 09:32:21.772 [error] [Window] Unable to write file '/Users/xinyi/Library/Application Support/Code/CachedExtensionVSIXs/.c6c4f6cb-189b-42c5-9f50-ee0149297eb7' (Error: net::ERR_CONNECTION_CLOSED): DownloadFailedWriting: Unable to write file '/Users/xinyi/Library/Application Support/Code/CachedExtensionVSIXs/.c6c4f6cb-189b-42c5-9f50-ee0149297eb7' (Error: net::ERR_CONNECTION_CLOSED)
at Eh.download (file:///Applications/Visual%20Studio%20Code.app/Contents/Resources/app/out/vs/code/electron-utility/sharedProcess/sharedProcessMain.js:65:97879)
at async _h.z (file:///Applications/Visual%20Studio%20Code.app/Contents/Resources/app/out/vs/code/electron-utility/sharedProcess/sharedProcessMain.js:74:52439)
at async file:///Applications/Visual%20Studio%20Code.app/Contents/Resources/app/out/vs/code/electron-utility/sharedProcess/sharedProcessMain.js:74:51486
at async _h.C (file:///Applications/Visual%20Studio%20Code.app/Contents/Resources/app/out/vs/code/electron-utility/sharedProcess/sharedProcessMain.js:74:52917)
at async _h.w (file:///Applications/Visual%20Studio%20Code.app/Contents/Resources/app/out/vs/code/electron-utility/sharedProcess/sharedProcessMain.js:74:51454)
at async _h.download (file:///Applications/Visual%20Studio%20Code.app/Contents/Resources/app/out/vs/code/electron-utility/sharedProcess/sharedProcessMain.js:74:50821)
at async qh.Cb (file:///Applications/Visual%20Studio%20Code.app/Contents/Resources/app/out/vs/code/electron-utility/sharedProcess/sharedProcessMain.js:74:65275)
at async qh.Bb (file:///Applications/Visual%20Studio%20Code.app/Contents/Resources/app/out/vs/code/electron-utility/sharedProcess/sharedProcessMain.js:74:64518)
2025-11-13 09:35:04.945 [error] [Network] #81: https://ms-toolsai.gallerycdn.vsassets.io/extensions/ms-toolsai/jupyter-renderers/1.3.0/1752018976557/Microsoft.VisualStudio.Services.Content.Details - error GET Failed to fetch
2025-11-13 09:38:46.436 [error] [Window] Unable to write file '/Users/xinyi/Library/Application Support/Code/CachedExtensionVSIXs/.812fb1c3-bb8f-40d7-b7c1-fafa0f255e30' (Error: net::ERR_CONNECTION_CLOSED): DownloadFailedWriting: Unable to write file '/Users/xinyi/Library/Application Support/Code/CachedExtensionVSIXs/.812fb1c3-bb8f-40d7-b7c1-fafa0f255e30' (Error: net::ERR_CONNECTION_CLOSED)
at Eh.download (file:///Applications/Visual%20Studio%20Code.app/Contents/Resources/app/out/vs/code/electron-utility/sharedProcess/sharedProcessMain.js:65:97879)
at async _h.z (file:///Applications/Visual%20Studio%20Code.app/Contents/Resources/app/out/vs/code/electron-utility/sharedProcess/sharedProcessMain.js:74:52439)
at async file:///Applications/Visual%20Studio%20Code.app/Contents/Resources/app/out/vs/code/electron-utility/sharedProcess/sharedProcessMain.js:74:51486
at async _h.C (file:///Applications/Visual%20Studio%20Code.app/Contents/Resources/app/out/vs/code/electron-utility/sharedProcess/sharedProcessMain.js:74:52917)
at async _h.w (file:///Applications/Visual%20Studio%20Code.app/Contents/Resources/app/out/vs/code/electron-utility/sharedProcess/sharedProcessMain.js:74:51454)
at async _h.download (file:///Applications/Visual%20Studio%20Code.app/Contents/Resources/app/out/vs/code/electron-utility/sharedProcess/sharedProcessMain.js:74:50821)
at async qh.Cb (file:///Applications/Visual%20Studio%20Code.app/Contents/Resources/app/out/vs/code/electron-utility/sharedProcess/sharedProcessMain.js:74:65275)
at async qh.Bb (file:///Applications/Visual%20Studio%20Code.app/Contents/Resources/app/out/vs/code/electron-utility/sharedProcess/sharedProcessMain.js:74:64518)

可以发现，Jupyter 报了 net::ERR_CONNECTION_CLOSED 的错误，说明在网络层面被卡住了，大概率是因为微软扩展 CDN 被墙了，国内访问微软 CDN 确实不太稳定。

【方案 1】直接多试几次

因为这只是网络的原因，因此说不定第四次、第五次就成功了，简单粗暴。

【方案 2】可以根据 VS Code 的建议，手动下载 Jupyter Extension 的文件包

手动下载（1）既可以直接点击 VS Code 给出的链接，这会自动跳转到浏览器下载；

图48

下载完成后，你可以直接点击 VS Code 提供的配置链接，然后选择你刚刚下载的文件；

图49

（2）也可以直接到 VS Code Marketplace 官网下载。

图50

然后选择在 VS Code 里打开即可。

图51

如果你忘记及时跳转了，没关系。
你可以打开 Finder，找到刚刚下载的文件包，选择用其他方式打开。

图52

然后选择用 VS Code 打开即可。

图53

【方案 3】为 VS Code 设置系统代理（如果你是小白，不推荐用这个方案）

如果你本地有代理（如 Clash / Surge / V2Ray / Shadowsocks 等），在 VS Code 设置中手动配置：打开命令面板 → “Preferences: Open Settings (JSON)”，添加：

JavaScripts

"http.proxy": "http://127.0.0.1:7890",    // 将端口号 7890 替换为你自己的代理监听端口
"https.proxy": "http://127.0.0.1:7890",
"http.systemCertificates": false

然后重启 VS Code，再下载 Jupyter。

⚠️ 注意：

部分代理由于保密技术或协议不同，不会向用户提供代理端口号。
你的代理实际上可能只能代理浏览器流量，无法单独设置让特定软件或服务走代理。

延伸学习

1. 多 Python 版本管理

MacOS 不需要配置，原生就支持在系统里同时安装多个 Python 版本。

系统会自动帮你创建指令 python3.9、python3.10、python3.11、pip3.10 等等，不需要再手动区分。

MacOS 多 Python 之间不会覆盖，因为存储 Python 的路径都是不同的，如：

Intel	Apple Silicon
`/usr/local/bin/python3.9` `/usr/local/bin/python3.10` `/Library/Frameworks/Python.framework/...`	`/opt/homebrew/bin/python3.9` `/opt/homebrew/bin/python3.10`

MacOS 芯片分为 Intel 和 Apple Silicon（M1/M2/M3/M4）两种。如何查看你是什么芯片呢？

2. 电脑终端、VS Code 里的终端、Jupyter Notebook 里的 Kernel

电脑终端 = 原生系统命令行
VS Code 终端 = 路径更好的系统终端
Jupyter Kernel = 一个持续运行的 Python 环境，不是终端

（1）电脑终端（System Terminal）

比如 Windows Terminal / PowerShell / CMD / macOS Terminal / Linux shell。它直接与操作系统交互的命令行工具，运行的是系统级 Shell（bash、zsh、PowerShell …）。

它能访问整个系统的文件、程序、环境变量，能启动任意程序（Python、git、conda、docker…）。

当你运行 python 时，会调用系统认定的 Python 解释器（或者你激活的虚拟环境）。

（2）VS Code 内置终端（VS Code Integrated Terminal）

VS Code 只是把电脑终端嵌进 IDE 里了，本质上仍然是系统终端，使用系统的 Shell。

打开 VS Code 终端，就像在打开一个系统终端窗口，只是“嵌在编辑器里”。路径通常自动设为当前项目目录。

使用的 Python、conda 环境仍然取决于你在 VS Code 中选择的 interpreter（或你手动激活的虚拟环境）。

在项目目录下执行命令更方便（ pip install、python script.py、git 操作），但没有改变运行环境的本质。

（3）Jupyter Notebook 的 Kernel（内核）

是运行 Python（或其他语言）解释器的独立进程，不是一个“终端”。每个 Notebook 的执行都依赖于一个特定的 kernel（例如 Python3 kernel）。

一个 kernel 对应一个虚拟环境。可以有多个 kernel（不同 pyenv、conda、virtualenv）。

执行代码是在同一个持久进程里：

变量会保留
内存会保留
顺序错乱会导致状态不同（不像脚本每次都要从头来）

3. Jupyter 内核（Kernel）

Jupyter Notebook 是进行交互式计算与数据分析的强大工具，而让 Jupyter 灵活多样的关键之一，就是它对不同内核（Kernel）的支持。

（1）什么是 Jupyter Kernel（核或者内核）？

Jupyter Kernel 是一个执行 Jupyter Notebook 里代码的计算引擎。我们在 Notebook 中输入的所有代码，最终都会交给 Kernel 来执行。也就是说，想要使用 Jupyter Notebook，必须要为它选择 Kernel。

Jupyter 的默认内核是 Python，但也支持 R、Julia、Ruby 等多种语言。

但虚拟环境 ≠ Kernel。Jupyter 执行代码时，不是直接调用虚拟环境，而是调用 Kernel 对象，而 Kernel 对象引用的就是虚拟环境的 Python。接下来让我们解释一下这个。

你可以基于某一个虚拟环境创建多个 Kernel。比如，你在 Python 3.10 的虚拟环境里创建了下面的这些 Kernel：

common_kernel ---- 用于日常运行
debug_kernel ---- 用于调试
tutorial_kernel ---- 用于教学

然后，当你为 Jupyter Notebook 选择 Kernel 时，就可以根据你的场景和需要，选择common_kernel 、debug_kernel 或者 tutorial_kernel 了。

实际开发中并不会用一个环境创建多个 Kernel，大多数人每个环境只创建一个 Kernel，因为足够用了。但在大型项目或者教学里，多 Kernel 可能会更清晰。

（2）创建 Jupyter 内核

要安装额外的 Python 内核，需要使用 ipykernel 包。

如果你没有，则激活虚拟环境，然后下载 ipykernel 包：

bash

pip install ipykernel

为当前 Python 环境创建一个可供 Jupyter 使用的内核：

bash

python -m ipykernel install --user --name mypython --display-name "Python (mypython)"

其中：

mypython 是 kernel 的内部名称
"Python (mypython)" 是显示在 Jupyter Notebook 列表中的名字

（3）管理 Kernels

Jupyter 也提供了管理内核的命令。

查看已安装的 Kernel：

bash

jupyter kernelspec list

示例输出：

mypython      /Users/you/Library/Jupyter/kernels/mypython
python3       /usr/local/share/jupyter/kernels/python3

删除一个 Kernel：

bash

jupyter kernelspec remove mypython

4. Python 解释器（Interpreter）

解释器是一个程序，它负责逐行读取、解析并执行代码。以 Python 为例：

Python 源代码是 .py 文件，是文本形式的指令。那么 Python 解释器就会逐行读取这些指令，把它们翻译成计算机能执行的操作，然后立即运行。

那么解释器和虚拟环境的关系和区别是什么？⬇️

创建虚拟环境时需要选择一个具体的解释器（比如 Python 3.12），然后用这个解释器去创建虚拟环境。虚拟环境就是一个独立的空间，里面你会安装和配置很多依赖库。一个解释器可以创建很多个虚拟环境。

虚拟环境会复制或引用该解释器，并在自己的独立空间中管理库。

如果用比喻的话，代码就是食谱，解释器就是一个厨师，厨师读完就做菜。虚拟环境就是一个厨房，厨师在里面做菜时，添置的调料和工具不会污染其他厨房。

5. 查看自己之前有没有下载过 Python

6. VS Code 的详细使用教程

详见 VS Code 官方使用教程。

文档：李欣怡，编辑：梁彧祺

如何在 MacOS 上使用 Sequenzo ​

使用指南 ​

如果你是纯小白 ​

Step 1：下载 Python 解释器 ​

Step 2：下载 VS Code ​

Step 3：下载 Extension 扩展 ​

Step 4：配置项目环境 ​

1. 创建项目并打开 ​

2. 创建虚拟环境 ​

3. 下载 Sequenzo ​

Step 5：运行 quickstart.ipynb ​

如果你之前下载了 Sequenzo ​

如果你已经有 Python，但没有指定版本的 Python ​

如果你已经有了指定 Python，且用 VS Code ​

如果你打算用 PyCharm ​

如果你用的是 conda/pyenv/virtualenv ​

1. 如果你在 VS Code 里： ​

2. 如果你在 PyCharm 里： ​

Q&As ​

1. pip install 失败或太慢 ​

2. VS Code 无法打开 quickstart.ipynb（或者，如何获取 quickstart.ipynb 文件？） ​

3. 找不到动态运行时文件 ​

4. Jupyter Extension 下载失败 ​

延伸学习 ​

1. 多 Python 版本管理 ​

2. 电脑终端、VS Code 里的终端、Jupyter Notebook 里的 Kernel ​

（1）电脑终端（System Terminal） ​

（2）VS Code 内置终端（VS Code Integrated Terminal） ​

（3）Jupyter Notebook 的 Kernel（内核） ​

3. Jupyter 内核（Kernel） ​

（1）什么是 Jupyter Kernel（核或者内核）？ ​

（2）创建 Jupyter 内核 ​

（3）管理 Kernels ​

4. Python 解释器（Interpreter） ​

5. 查看自己之前有没有下载过 Python ​

6. VS Code 的详细使用教程 ​

如何在 MacOS 上使用 Sequenzo

使用指南

如果你是纯小白

Step 1：下载 Python 解释器

Step 2：下载 VS Code

Step 3：下载 Extension 扩展

Step 4：配置项目环境

1. 创建项目并打开

2. 创建虚拟环境

3. 下载 Sequenzo

Step 5：运行 `quickstart.ipynb`

如果你之前下载了 Sequenzo

如果你已经有 Python，但没有指定版本的 Python

如果你已经有了指定 Python，且用 VS Code

如果你打算用 PyCharm

如果你用的是 `conda/pyenv/virtualenv`

1. 如果你在 VS Code 里：

2. 如果你在 PyCharm 里：

Q&As

1. `pip install` 失败或太慢

2. VS Code 无法打开 `quickstart.ipynb`（或者，如何获取 `quickstart.ipynb` 文件？）

3. 找不到动态运行时文件

4. Jupyter Extension 下载失败

延伸学习

1. 多 Python 版本管理

2. 电脑终端、VS Code 里的终端、Jupyter Notebook 里的 Kernel

（1）电脑终端（System Terminal）

（2）VS Code 内置终端（VS Code Integrated Terminal）

（3）Jupyter Notebook 的 Kernel（内核）

3. Jupyter 内核（Kernel）

（1）什么是 Jupyter Kernel（核或者内核）？

（2）创建 Jupyter 内核

（3）管理 Kernels

4. Python 解释器（Interpreter）

5. 查看自己之前有没有下载过 Python

6. VS Code 的详细使用教程