Linux装好了？三步搭建你的 AI 开发环境

上篇你已经装好了 Linux Mint，系统能跑了。但离真正「用 AI」还差一步——搭建开发环境。这篇文章带你 30 分钟内搞定 Python、Node.js、Git，最后装上 Codex，让 AI 直接在终端里帮你写代码。

为什么需要搭建环境？

装完 Linux Mint 后，你可能急着想跑 AI 模型、写自动化脚本。但直接上手会发现：

• 运行 Python 脚本？系统自带的 Python 版本可能太旧，装个库还报权限错误
• 跑 Node.js 项目？根本没装
• 用 AI 编程工具（Codex、Claude Code）？需要 Node.js 18+ 和 Git

没有环境，巧妇难为无米之炊。

好消息是，在 Linux 上搭环境比你想象的简单得多。三步走：

第一步：Python 环境（AI 的基石）
第二步：Node.js + Git（AI 工具链的骨架）
第三步：安装 Codex（让 AI 帮你写代码）

开始。

第一步：Python 环境

Python 是 AI 世界的通用语言。PyTorch、TensorFlow、OpenAI SDK、LangChain……全靠它。Linux Mint 自带 Python 3，但我们需要更完善的配置。

1.1 更新系统包索引

sudo apt update && sudo apt upgrade -y

这一步确保你拿到最新的软件包列表。第一次跑可能要几分钟。

1.2 安装 Python 全家桶

# 安装 Python 3 + pip（包管理器）+ venv（虚拟环境）+ dev 头文件
sudo apt install -y python3 python3-pip python3-venv python3-dev

四个包各司其职：

1.3 验证安装

python3 --version
# Python 3.12.x（或更新版本）

pip3 --version
# pip 24.x from ...

1.4 创建你的第一个虚拟环境

# 创建一个叫 ai-lab 的虚拟环境
python3 -m venv ~/ai-lab

# 激活它
source ~/ai-lab/bin/activate

# 激活后，命令行前缀会变成：
# (ai-lab) user@linux-mint:~$

# 在虚拟环境里安装库，不需要 sudo
pip install requests rich

虚拟环境的好处： 项目 A 需要 numpy 1.24，项目 B 需要 numpy 2.0？互不干扰，各自独立。这是专业开发的标配。

第二步：Node.js + Git

2.1 安装 Node.js

为什么要装 Node.js？因为 2026 年最火的 AI 编程工具——Codex、Claude Code、Cursor CLI——全部基于 Node.js 运行。

推荐用 NodeSource 安装最新 LTS 版本：

# 安装 Node.js 22 LTS
curl -fsSL https://deb.nodesource.com/setup_22.x | sudo -E bash -
sudo apt install -y nodejs

验证：

node --version
# v22.x.x

npm --version
# 10.x.x

2.2 安装 Git

Git 不只是版本控制工具。在 AI 工作流里，它是：

• Codex 的基础设施 — Codex 通过 Git 管理代码变更
• 开源世界的通行证 — 克隆仓库、贡献代码、下载工具
• 项目备份 — 推送到 GitHub，永不丢失

sudo apt install -y git

# 配置你的身份（首次使用 Git 必须）
git config --global user.name "你的名字"
git config --global user.email "你的邮箱@example.com"

2.3 安装常用工具

顺手装几个 AI 开发常用的小工具：

# jq — JSON 处理器（API 返回的 JSON 数据要靠它）
sudo apt install -y jq

# tree — 目录结构可视化
sudo apt install -y tree

# htop — 进程监控（看 GPU/CPU 用的）
sudo apt install -y htop

第三步：安装 Codex

Codex 是 OpenAI 推出的命令行 AI 编程工具。它能：

• 读你的代码，理解上下文
• 按你的指令生成、修改、重构代码
• 直接在终端里运行命令
• 和 Git 无缝协作

简单说，它就是一个住在终端里的 AI 程序员。

3.1 安装 Codex CLI

# 全局安装
npm install -g @openai/codex

# 验证
codex --version

3.2 配置 API Key

Codex 需要 OpenAI 的 API Key 才能工作：

# 设置环境变量
export OPENAI_API_KEY="sk-xxxxxxxxxxxx"

# 写入 .bashrc 让它永久生效
echo 'export OPENAI_API_KEY="sk-xxxxxxxxxxxx"' >> ~/.bashrc

去 platform.openai.com/api-keys^[1] 创建一个 API Key。新用户通常有免费额度。

3.3 第一次使用

# 进入你的项目目录
cd ~/my-project

# 启动 Codex
codex

进入 Codex 后，你可以直接用自然语言描述需求：

> 帮我写一个 Python 脚本，从 Pexels API 下载 5 张科技类图片

> 这段代码有 bug，帮我看看哪里出了问题

> 把这个函数重构成异步版本

Codex 会读取你的代码文件，理解上下文，然后生成修改。它还能直接运行终端命令来验证代码是否工作。

环境验证清单

装完了？跑一遍验证，确保一切正常：

# 1. Python 环境
python3 --version          # 应该显示 3.12+
pip3 --version             # 应该显示 pip 24+

# 2. Node.js 环境
node --version             # 应该显示 v22+
npm --version              # 应该显示 10+

# 3. Git
git --version              # 应该显示 2.x+

# 4. Codex
codex --version            # 应该显示版本号

# 5. 虚拟环境
python3 -m venv /tmp/test-env
source /tmp/test-env/bin/activate
python3 -c "import sys; print(f'Python {sys.version} in venv ✓')"
deactivate
rm -rf /tmp/test-env

echo "🎉 所有环境检查通过！"

全部通过？恭喜，你的 AI 开发环境搭建完成。

写在最后

从装系统到搭环境，两篇文章走下来，你已经有了一个完整的 AI 开发工作台：

接下来你可以做的事：

• 跑本地大模型 — 安装 Ollama，一行命令跑 Qwen、Llama
• 搭建 AI Agent — 用 Codex + MCP 协议构建自动化工作流
• 开发 AI 应用 — Python + FastAPI，部署你自己的 AI 服务

AI 时代的门槛，从来不是技术本身——而是你愿不愿意迈出第一步。

现在，你已经迈出了两步。🚀

引用链接