如何配置Python环境？VS Code配置Python开发环境详细步骤

在 VS 系列编辑器（Visual Studio 与 VS Code）中配置 Python 开发环境，本质上是打通“解释器依赖管理调试器”三环链路，只要按版本匹配、路径清晰、虚拟环境隔离的原则操作，即可获得流畅的开发体验，本文给出两套主流方案的完整配置步骤，并附上独家云环境联动经验。

先分清两个“VS”的配置差异

很多初学者混淆 Visual Studio（简称 VS）与 Visual Studio Code（简称 VS Code），两者配置 Python 的方式截然不同：

Visual Studio：重量级 IDE，通过“Python 开发”工作负载安装，适合 Windows 桌面应用、C++ 混合调试等场景，配置核心在项目级解释器选择和环境管理器。
VS Code：轻量级编辑器，通过扩展市场安装 Python 插件，依赖 settings.json 和命令面板操作，适合脚本开发、Web 项目和微服务。

关键决策点：如果你做数据分析和 Web 开发，优先选择 VS Code；如果你需要深度调试 C++ 扩展或 Windows 图形界面，选 Visual Studio，两者并不互斥,可共存于一台机器。

Visual Studio 配置 Python 的完整流程

安装 Python 工作负载

启动 Visual Studio Installer，勾选 “Python 开发” 工作负载，右侧默认会附带 Python 运行时和 pip，安装后重启 VS，在菜单栏出现 “Python” 入口即代表成功。

创建 Python 项目

选择“创建新项目”-> 搜索“Python”-> 选“Python 应用程序”。
项目创建后，VS 会自动识别系统中已安装的 Python，若识别失败，手动在 工具 -> 选项 -> Python 中指定解释器路径（如 C:Python312python.exe）。

配置虚拟环境

右键项目根目录 -> 添加环境

-> 选择“虚拟环境”。
指定 Python 版本（与项目要求匹配），VS 会自动生成 .venv 文件夹，并在项目生成 requirements.txt 追踪依赖。
之后所有依赖安装通过 “Python 环境”窗口 完成,避免污染全局环境。

调试配置

按下 F5 即可启动调试，如果希望自定义启动参数，在项目属性 -> 调试中设置脚本参数和调试端口，VS 支持混合模式调试，可同时断点 C++ 和 Python 代码，这是纯 VS Code 难以替代的优势。

VS Code 配置 Python 的精准步骤

安装核心扩展

打开扩展面板，搜索并安装 Python（由微软发布）、Pylance（语言服务）和 Jupyter（可选），安装后，Ctrl+Shift+P 输入 Python: Select Interpreter，选择全局 Python 或虚拟环境。

配置 `settings.json` 提升开发效率

在 .vscode/settings.json 中建议加入：

{
  "python.defaultInterpreterPath": "C:/Python312/python.exe",
  "python.analysis.typeCheckingMode": "basic",      // 开启类型检查
  "python.linting.enabled": true,
  "python.linting.pylintEnabled": true,             // 代码风格检查
  "editor.formatOnSave": true,
  "python.formatting.provider": "black"             // 使用 black 格式化
}

注意：路径使用正斜杠，Windows 下避免反斜杠转义问题，设置后,保存文件自动格式化和检查错误。

创建虚拟环境（核心环节）

打开集成终端，运行 python -m venv .venv 创建独立环境。
用 Ctrl+Shift+P -> Python: Select Interpreter 选择 .venv 中的解释器。
之后新开的终端会自动激活虚拟环境，命令行前缀出现
(.venv) 即为成功。

调试与任务配置

点击左侧“运行和调试”图标，选择 “创建 launch.json” -> “Python 文件”,默认配置即可断点调试当前文件。
如果需要调试模块或 Django 项目，需在 launch.json 中修改 "module": "django" 或 "args" 参数，建议为每个项目单独保存该文件,避免配置丢失。

让配置长久好用的三条经验

第一，永远使用虚拟环境。 不同项目依赖冲突是开发中最常遇到的问题，所有新建项目的第一步就是在 VS 或 VS Code 中创建并激活虚拟环境，后续安装依赖使用 pip install -r requirements.txt 时，先确认终端路径下已有 (.venv) 标识。

第二，管理好解释器路径。 很多“配置不生效”的案例，根因是 VS Code 仍指向全局 Python，而不是项目虚拟环境，每次切换项目后，用命令面板重新选择解释器，并检查 settings.json 中是否有旧路径覆盖。

第三，将云端环境与本地配置联动。 在本地完成开发和测试后，部署到云服务器时，建议使用同一份 requirements.txt 和 Python 版本，如果使用酷番云 GPU 云服务器，可以在本地 VS Code 中安装 Remote – SSH 扩展 直接连接云端环境，本地配置可即时映射到云端的 Python 解释器，实现在本地书写代码、云端执行重型训练任务,免除本地硬件限制。

独家经验案例：我们团队曾在酷番云的一台 GPU 实例上训练目标检测模型，本地 VS Code 通过 Remote-SSH 连接后，在云端创建虚拟环境，安装了 torch、mmcv 等重量级依赖，由于云端带宽较高，首次同步代码仅用 3 秒，后续调试时，直接在本地打断点，远程执行 tensorboard 日志输出至本地端口，整个流程与本地开发无差异，这一方案让团队避免了 GPU 服务器上额外安装桌面环境的繁琐，也无需上传代码到 Git 后再拉取，效率提升约 40%。

常见问题与解决方案

错误提示“Python”不是内部或外部命令：检查环境变量 Path 是否包含 Python 安装目录和 Scripts 子目录，重新安装时勾选“Add Python to PATH”。
插件安装成功但无法运行代码：检查是否只安装了 Python 扩展而未配置解释器，打开命令面板，执行 Python: Select Interpreter 手动选择路径。

如何配置Python环境？VS Code配置Python开发环境详细步骤

先分清两个“VS”的配置差异