如何在 Windows 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。

在操作的过程中，如果有任何疑问，请先耐心看完，你需要的所有东西或者答案都会在这篇教程里提到。

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下载过 Python，请 检查自己电脑上的 Python。

我们这里直接在官网下载，对应的虚拟环境工具是 venv。如果你想使用 conda/pyenv/virtualelv，请 跳转。

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

PS：有时即使勾选了添加到 PATH，系统也不会真的将其加进去，因此基本都需要手动配置 PATH。

这里我们下载的是“安装 Python 的向导”。也就是说，我们要先把向导下载下来，然后再通过这个向导安装 Python 解释器。

⚠️注意：路径必须是全英文，且没有空格！推荐的格式是字母 + 下划线。

建议将 Python 安装在你清晰的位置。
这样既能让你轻松找到，也能让你在日后学习 Python 时事半功倍。

---

Step 2：设置 Python 环境变量

请不要紧张，这步很简单。
我会尽量展示每个步骤及其可能的结果，只要照着步骤操作一步一步来就可以。

什么是环境变量？环境变量 = 系统的索引表，是告诉系统去哪里找程序的。
所以设置 Python 环境变量可以让你在终端随时运行 python 和 pip，而不用输入完整的路径。

但 Windows 系统不会自动帮我们配置 Python 环境变量，所以需要我们手动去配置，这样才能让 Windows 系统知道去哪才能找到 Python，进而使用 Python。

下面让我们开始为 Python 配置环境变量吧！

接下来让我们将刚刚下载的 Python 添加到系统变量里。

---

我们要复制两个文件（夹）的路径。这两个路径非常重要！关系到 Windows 是否能成功找到 Python。

这是第一个 ↓：（python.exe 所在文件夹的路径）

---

这是第二个 ↓：（Scripts 文件夹的路径）

---

将这两个路径添加到刚才打开的 PATH 里：

然后一路“确认”。

---

验证 Python 是否安装成功。打开 CMD 或者 PowerShell，输入 python3.10 --version，如果输出如下，则成功。

---

Step 3：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。

---

下面是 VS Code 的欢迎界面：（你们的界面应该是英文版，如果想要中文，请移步 Q&As）。

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 4：下载 Extension 拓展

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。

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 5：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。

创建好后，回到 VS Code：

---

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：

python3.10 -m venv .venv

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。虽然我们建议不同的项目用不同的虚拟环境，但在 Windows 上，VS Code 上如果识别出了当前项目目录下的 Python 环境，这当然是最好的，但如果无法识别，则只能识别 .venv。

也就是说，即使你已经创建了名为 sequenzo_project 的虚拟环境， VS Code 仍会再创建一个 .venv 的虚拟环境，然后下载失败（因为会与 sequenzo_project 冲突）。

因此，为了以防万一，我们建议 Windows 用户在项目根目录下创建虚拟环境时，环境名称为 .venv。

激活终端的虚拟环境（即项目根目录下的 .venv）：

.venv\Scripts\Activate.ps1

如果激活虚拟环境这步出现了问题，移步 Q&As。

---

配置 VS Code 的 解释器。按 CTRL + Shift + P：

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

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 6：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。

如何获取的 quickstart.ipynb ？请查看 Q&As 中的 第 5 个问题。

⚠️⚠️⚠️ 此时，部分同学的 Windows 上可能会有一个弹窗：问你是否允许 Windows 打开本地 WebView 组件（VS Code 用它来跑 Jupyter 内核）。一定要同意！

如果你误操作，没有允许，那么请移步 Q&As。
同样，如果你发现核不是版本号，而是 -1 或者 undefined，也请移步 Q&As。
如果发现里面没有你想要的虚拟环境，也请移步 Q&As。

然后我们就可以跑代码了：

如果这步出现了问题，请移步 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。

1. 如果你现在的 Python 是从官网上下载的：请看 这里。

---

2. 如果你现在的 Python 是在 conda 里，则创建一个新的虚拟环境：

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 CTRL+ Shift + P，然后输入并回车：

Python: Select Interpreter

---

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

---

3. 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。

---

4. 如果你现在的 Python 是在 virtualenv 里：

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：

然后请从 创建虚拟环境 里的 “配置 VS Code 解释器” 继续往下看。

---

2. 如果你打算新建项目，然后使用 Sequenzo，请移步 这里 继续往下看。

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：

---

2. 如果你打算新建项目，然后使用 Sequenzo：

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：

然后接下来的流程继续看 Step-5：配置项目环境。

---

2. 如果你在 PyCharm 里：

如果你是在已有项目里：

---

如果你是新建项目：

然后请从 如果你打算用 PyCharm 继续。

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：

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. pip install jupyter 失败

如果你的错误信息是：

ERROR: Could not install packages due to an OSError: [Errno 2] No such file or directory: 'D:\\college\\research\\QiQi\\sequenzo\\testSequenzo\\for_users_tutorial\\.venv\\share\\jupyter\\labextensions\\@jupyter-widgets\\jupyterlab-manager\\static\\vendors-node_modules_d3-color_src_color_js-node_modules_d3-format_src_defaultLocale_js-node_m-09b215.2643c43f22ad111f4f82.js'
HINT: This error might have occurred since this system does not have Windows Long Path support enabled. You can find information on how to enable this at https://pip.pypa.io/warnings/enable-long-paths

【原因分析】 pip 给的提示的是Windows Long Path support enabled。这是因为 Windows 默认的路径长度限制是 260 个字符（经典的 MAX_PATH 限制）。在安装 Jupyter 时，pip 会创建很多非常长的目录，例如：

...\.venv\share\jupyter\labextensions\@jupyter-widgets\jupyterlab-manager\static\vendors-node_modules_d3-color_src_color_js-node_modules_d3-format_src_defaultLocale_js-node...

这个路径（文件名 + 目录名）特别长，超过 260 字符 → Windows 不能处理 → pip 报错：

OSError: [Errno 2] No such file or directory

其实这个文件并不存在，是因为路径太长 Windows 不允许创建。

---

【解决方案】 将项目移到更短的路径下。

---

3. 激活虚拟环境遇到权限不足的问题

如果你在 .venv\Scripts\Activate.ps1 时遇到了下面的问题：

可以清晰地看到：

无法加载文件 ...Activate.ps1，因为在此系统上禁止运行脚本。

这是由 Windows PowerShell 的执行策略阻止运行虚拟环境的激活脚本导致的，我们只要把权限放开即可。

打开 VS Code 终端，输入下面的命令对当前用户永久放宽权限：

Set-ExecutionPolicy -Scope CurrentUser -ExecutionPolicy RemoteSigned

然后重新激活：

.venv\Scripts\Activate.ps1

然后你就能看到虚拟环境被顺利激活了。

---

4. 汉化 VS Code

打开 VS Code 后，点击界面左边 Extentions，在搜索框输入 Chinese，选择 “Chinese Simplified Language”，点击“install”。

---

5. 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。

---

6. Jupyter 选择核时只有 -1 或者 undefined（ = 未允许 Windows 打开本地 WebView 组件）

只要出现了选择核时只有 -1 或者 undefined，都可以用下面的方案解决。

---

接下来是解决方案：

1. Step 1：打开设置，打开 Jupyter 权限

如何打开设置？这里。

---

2. Step 2：重装 ipykernel

激活虚拟环境后：

pip install ipykernel
python3.10 -m ipykernel install --user --name=.venv

---

3. Step 3：强制刷新解释器VS Code

设置 Ctrl + Shift + P → 输入：

Python: Clear Cache and Reload Window

再输入：

Jupyter: Clear Jupyter Remote Server List

---

4. Step 4：关闭.ipynb，然后重新打开

---

5. Step 5：重新选择内核（kernel）

---

7. Sequenzo 导包时，发现缺少 DLL（动态库）

如果你运行代码后，发现提示输出下面的报错：

那么请在 VS Code 终端执行：

pip install msvc-runtime

然后再重新运行代码代码即可。

---

8. 运行代码后，有错误的提示输出

如果当你成功运行第一个代码后，在后来运行关于 Clara 代码块时，出现了类似下面的错误，这是因为最新的版本已经优化了这个参数，因此只需把 parallel 这个参数删除即可。

---

9. 打开 VS Code 的设置

---

10. VS Code 找不到你创建的解释器

可能是因为 VS Code 还没有刷新出来，Ctrl + Shift + P 打开控制面板，依次尝试输入：

Python: Clear Workspace Interpreter Settings

Python: Clear Cache and Reload Window

Python Debugger: Clear Cache and Reload Window

或者重启 VS Code

然后重新选择解释器（Python: Select Interpreter）。

---

如果 VS Code 仍然无法识别出你创建的虚拟环境，请尝试手动选择 Python 解释器：

然后等待 VS Code 配置即可。

---

如果上面的方法均没有效果，我们可以换用 jupyter kernel，具体操作方法见 Q&As。

---

11. VS Code 提示找不到基 Python

请先确保在 CMD（powershell）和 VS Code 的终端里可以正确输出 Python 版本号。

然后尝试 第 10 个问题 里的解决方案刷新 VS Code。

如果仍然提示 “找不到基 Python”，或者提示 “选择的 Python 解释器无效”，那么请先尝试卸载重装 Python 扩展。

如果仍没有得到解决，则打开 .vscode/settings.json（如果没有，则创建；⚠️ 文件夹和文件名必须与给定的完全一致），在里面添加：

{
    "python.defaultInterpreterPath": ".\\.venv\\Scripts\\python.exe"
    # 这里的 python.exe 应该是你的 python3.12.exe 或者 python310.exe 等等
}

然后重新选择解释器。

---

12. Extension 下载失败

如果出现了 Jupyter 下载失败的情况：

【原因分析】 如果点击“log”后显示的内容如下：

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；

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；

（2）也可以直接到 VS Code Marketplace 官网下载。

然后选择在 VS Code 里打开即可。

---

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。

然后选择用 VS Code 打开即可。

---

【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：

"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：

1. 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。
2. 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

从 Python 官网 下载下来的 Python，其目录结构均遵循下面的规律：

# 系统级 Python 环境 （你也可以自定义到其他安装路径）
C:\Python39
  - python3.9.exe
  - Scripts
    - pip3.9.exe
    ...
  - Lib
    - site-packages   # 下载的所有包均会放在这里 
      - pandas
      - numpy
      ...

# 系统级 Python 环境（你也可以自定义到其他安装路径）
D:\Python310
  - python3.10.exe
  - Scripts
    - pip3.10.exe
    ...
  - Lib
    - site-packages   # 下载的所有包均会放在这里 
      - pandas
      - numpy
      ...

# 项目级 Python 环境 —— 我们非常推荐这种模式！👈 😃 因为这样就可以满足不同项目对不同环境的要求
E:\Projects\your_project
  - .venv
    - python3.11.exe
    - Scripts
      - pip3.11.exe
      ...
    - Lib
      - site-packages   # 下载的所有包均会放在这里 
        - pandas
        - numpy
        ...
  file1.py
  file2.py

我们也同样建议手动将原来的 python.exe 更改为对应的 python3.9.exe、python3.10.exe 等。 这样会更方便你对 Python 的管理。

---

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：

pip install ipykernel

为当前 Python 环境创建一个可供 Jupyter 使用的内核：

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：

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：

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. 查看自己电脑上的 Python

打开命令行（CMD）或者 PowerShell，输入：

py -0

* 表示系统当前默认使用的 Python 版本。

如果你安装了多个 Python，可以用 py -3.9、py -3.10 等来明确指定用哪个版本，如：

py -3.10 --version
py -3.10 file.py

---

6. CMD vs PowerShell

推荐 windows为什么有两个命令行工具？命令提示符与PowerShell有什么区别？。

---

7. VS Code 的详细使用教程

详见 VS Code 官方使用教程

---

文档：李欣怡、何梁星云

编辑：梁彧祺