Node.js 与 Python：你的两把利器

为什么是这两个

在 AI Coding 的语境里，你会不断碰到这两个运行时：

Node.js：Claude Code 本身用 Node.js 运行；大量前端工具（Webpack、Vite、TypeScript 编译器）也需要它
Python：AI / 机器学习生态几乎全在 Python；很多 Claude Code 生成的脚本也是 Python

两者都需要，没有谁能替代谁。好消息是：安装和日常使用都不复杂。

	Node.js	Python
主要用途	前端工具链、后端服务、CLI 工具	AI/ML、数据分析、脚本、后端服务
包管理器	npm（或 yarn、pnpm）	pip（或 conda、uv）
依赖文件	package.json	requirements.txt 或 pyproject.toml
隔离环境	node_modules（项目级）	venv 虚拟环境

Node.js 是什么

简单说：Node.js 让 JavaScript 能在浏览器之外运行（比如在你的终端里、服务器上）。

你不需要深入学 Node.js 本身，但你需要它在你的电脑上装好、能运行，因为：

Claude Code 是一个 Node.js 程序，通过 npm install -g @anthropic-ai/claude-code 安装
几乎所有现代前端框架（React、Vue、Next.js）的开发工具都依赖 Node.js
很多实用 CLI 工具（比如 prettier、typescript）也通过 npm 安装

安装 Node.js

推荐通过 nvm（Node Version Manager） 来安装，而不是直接 apt install nodejs。原因是 nvm 可以方便地切换 Node 版本，避免很多兼容性问题。

安装 nvm

$ curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.7/install.sh | bash

安装完后关闭并重新打开终端，或者运行：

$ source ~/.bashrc

用 nvm 安装 Node.js LTS 版本

# LTS 是长期支持版本，稳定，推荐
$ nvm install --lts
$ nvm use --lts

验证安装

$ node --version
v22.11.0

$ npm --version
10.9.0

看到版本号就说明成功了。

npm 基础用法

npm（Node Package Manager）是 Node.js 的包管理器，安装 Node 时自带。

# 全局安装一个工具（在任何地方都能用）
$ npm install -g @anthropic-ai/claude-code

# 在当前项目里安装依赖
$ npm install

# 在项目里安装某个包
$ npm install express

# 安装开发依赖（只在开发时用，打包时不包含）
$ npm install --save-dev typescript

# 卸载某个包
$ npm uninstall package-name

# 查看全局安装的包
$ npm list -g --depth=0

# 更新某个包
$ npm update package-name

package.json 是什么

每个 Node.js 项目根目录都有一个 package.json，它记录了这个项目的基本信息和所有依赖：

{
  "name": "my-project",
  "version": "1.0.0",
  "scripts": {
    "start": "node index.js",
    "dev": "nodemon index.js"
  },
  "dependencies": {
    "express": "^4.18.2"
  },
  "devDependencies": {
    "typescript": "^5.0.0"
  }
}

当你从 GitHub 克隆一个项目时，先运行 npm install，它会读取 package.json 并自动安装所有依赖。

node_modules 文件夹（依赖安装的地方）通常很大，不要上传到 Git。正常的项目都会在 .gitignore 里排除它。

Python 是什么

Python 是目前 AI / 数据科学领域的第一语言。几乎所有大模型、机器学习框架（PyTorch、TensorFlow、scikit-learn）都以 Python 为主要接口。

对于日常使用，你有两种主流选择：官方 Python 或 Conda。

两种安装方式

方式一：官方 Python（推荐新手）

Ubuntu / WSL 一般自带 Python 3，直接用就行。只需补充安装包管理器 pip：

# 检查 Python 版本
$ python3 --version
Python 3.10.12

# 安装 pip（Python 的包管理器）
$ sudo apt install python3-pip

# 验证 pip 安装成功
$ pip3 --version
pip 22.0.2

命令说明：python3 是 Python 3 解释器，pip3 是对应的包管理器。在某些系统上 python 可能指向旧版 Python 2，所以明确用 python3 更保险。

方式二：Conda（适合做数据科学 / AI）

Conda 不只是 Python 包管理器，它还能管理 Python 版本、创建隔离环境、安装非 Python 依赖（比如 CUDA）。如果你要做深度学习，Conda 会更方便。

# 下载 Miniconda（轻量版 Conda）
$ wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh

# 安装
$ bash Miniconda3-latest-Linux-x86_64.sh

# 重启终端或刷新环境
$ source ~/.bashrc

# 验证安装
$ conda --version
conda 24.1.2

	官方 Python + pip	Conda
优点	轻量、系统自带、简单直接	环境管理强大、适合科学计算、能装非 Python 包
缺点	环境隔离需手动创建 venv	体积大、有时包版本更新慢
适合场景	Web 开发、脚本、通用编程	数据科学、机器学习、深度学习

建议：如果你不确定选哪个，先用系统自带的 Python + pip。等真正需要做深度学习项目时，再考虑 Conda。两者可以共存，但别混用。

pip 基础用法

pip 是 Python 的包管理器，用法和 npm 类似：

# 安装单个包
$ pip install requests

# 一次安装多个包
$ pip install numpy pandas matplotlib

# 安装指定版本（== 表示精确匹配）
$ pip install flask==2.3.0

# 安装版本范围（>= 表示大于等于）
$ pip install django>=4.0

# 卸载包
$ pip uninstall requests

# 查看已安装的所有包
$ pip list

# 查看某个包的详细信息
$ pip show flask

# 升级某个包到最新版
$ pip install --upgrade numpy

# 导出当前环境的所有依赖（freeze = 冻结当前状态）
$ pip freeze > requirements.txt

# 根据 requirements.txt 安装所有依赖（-r = read from file）
$ pip install -r requirements.txt

参数说明：

-r requirements.txt：从文件读取依赖列表
--upgrade：升级已安装的包
pip freeze：输出格式为 package==version，适合写入文件
pip list：人类可读的表格格式

虚拟环境：什么时候需要

一般情况下，直接用系统 Python 就够了。不必每个项目都建虚拟环境，除非遇到以下情况：

版本冲突：项目 A 需要 Django 3，项目 B 需要 Django 4
生产部署：需要精确复现依赖环境
实验性项目：怕装乱了影响系统环境

如果只是写点小脚本、跑个 AI 模型、学习用，直接 pip install 到系统就行，别给自己找麻烦。

需要隔离时：创建虚拟环境

# 先安装 venv 模块（Ubuntu 需要单独装）
$ sudo apt install python3-venv

# 在项目目录里创建虚拟环境（.venv 是约定俗成的名字）
$ python3 -m venv .venv
# 解释：-m venv 表示运行 venv 模块，.venv 是环境目录名

# 激活虚拟环境（Linux / macOS）
$ source .venv/bin/activate

# 激活后，提示符前面会出现 (.venv) 标志
(.venv) $ python --version
Python 3.10.12

# 现在安装的包只会进这个虚拟环境，不影响系统
(.venv) $ pip install flask

# 退出虚拟环境
(.venv) $ deactivate

虚拟环境目录（.venv/）不要上传 Git，把它加入 .gitignore。用 requirements.txt 记录依赖，别人拿到项目后自己 pip install -r requirements.txt 就能复现环境。

Conda 环境管理（如果你用 Conda）

# 创建新环境并指定 Python 版本
$ conda create -n myproject python=3.10

# 激活环境
$ conda activate myproject

# 安装包（优先用 conda install，没有再用 pip）
(myproject) $ conda install numpy pandas
(myproject) $ pip install some-package

# 导出环境
(myproject) $ conda env export > environment.yml

# 退出环境
(myproject) $ conda deactivate

💡

实用建议：日常写代码、跑 AI 模型，直接用系统 Python。只有在需要严格隔离、或者项目 README 明确要求虚拟环境时，再创建。别被教程吓唬——虚拟环境是工具，不是必需品。

实战：拿到一个项目，怎么跑起来

Node.js 项目

$ git clone https://github.com/xxx/project.git
$ cd project

安装依赖：

$ npm install

看 package.json 里的 scripts，通常是：

$ npm run dev    # 开发模式
$ npm start      # 生产模式
$ npm run build  # 构建

Python 项目

$ git clone https://github.com/xxx/project.git
$ cd project

创建并激活虚拟环境：

$ python3 -m venv .venv
$ source .venv/bin/activate

安装依赖：

$ pip install -r requirements.txt

运行：看 README 或直接：

$ python main.py
# 或
$ python app.py

下一步

Node 和 Python 都就位了。下一篇是 Git 和 GitHub——当你用 Claude Code 开发时，版本控制是不可缺少的，你需要知道怎么保存工作、在不同版本之间切换、以及和别人协作。