当前位置: 首页 > news >正文

借助 Wisdom SSH 的 AI 助手构建 Linux 开发环境

借助Wisdom SSH的AI助手构建Linux开发环境

在Linux系统的开发场景中,快速、准确地搭建开发环境至关重要。Wisdom SSH凭借其强大的AI助手,能极大简化这一过程,其官网为ssh.wisdomheart.cn。以下以在Ubuntu 22.04服务器上构建Python开发环境,并集成常用开发工具和数据库为例,展示Wisdom SSH的AI助手如何发挥作用。

安装Python及相关工具

打开Wisdom SSH软件,进入AI对话区,输入“在Ubuntu 22.04服务器上安装Python 3.10及Pip、Virtualenv”。
AI助手分析需求后回复:“Ubuntu 22.04的软件源中包含Python 3.10,可通过以下命令安装:

sudo apt update
sudo apt install python3.10 python3.10 - dev python3 - pip

安装完成后,使用Pip安装Virtualenv,命令为:

pip3 install virtualenv

Python 3.10、Pip和Virtualenv安装完成。是否需要创建Python虚拟环境,或者安装其他Python开发相关工具?”

创建Python虚拟环境

回复AI助手:“创建一个名为my_project_env的Python虚拟环境”。
AI助手给出指令:“执行以下命令创建虚拟环境:

virtualenv -p python3.10 my_project_env

虚拟环境创建后,如需激活该环境,在终端进入虚拟环境目录,执行:

source my_project_env/bin/activate

此时,你已在my_project_env虚拟环境中,可安全安装项目所需的Python包,而不影响系统全局的Python环境。接下来是否要安装一些常用的Python开发库,如Django或Flask?”

安装Python开发库

继续与AI助手交互:“安装Django和Flask库”。
AI助手生成指令:“确保已激活my_project_env虚拟环境,若未激活请按上述步骤激活。激活后,使用Pip安装Django和Flask:

pip install django flask

Django和Flask库已安装完毕。对于Python开发,数据库也是常用组件,是否要安装如MySQL或PostgreSQL数据库?”

安装数据库

回复AI助手:“安装PostgreSQL数据库”。
AI助手回应:“在Ubuntu 22.04上安装PostgreSQL,执行以下命令:

sudo apt update
sudo apt install postgresql postgresql - contrib

安装完成后,系统会自动创建一个名为postgres的用户。可通过以下命令切换到该用户,并进入PostgreSQL命令行界面:

sudo su - postgres
psql

在PostgreSQL命令行中,你可以创建数据库和用户。例如,创建一个名为my_project_db的数据库和一个名为my_project_user的用户,并为该用户设置密码,命令如下:

CREATE DATABASE my_project_db;
CREATE USER my_project_user WITH PASSWORD'my_password';
GRANT ALL PRIVILEGES ON DATABASE my_project_db TO my_project_user;

my_password替换为你设置的实际密码。完成操作后,使用\q退出PostgreSQL命令行,再使用exit回到你的普通用户。PostgreSQL数据库安装并初步配置完成,是否还需要安装与PostgreSQL交互的Python库,如Psycopg2?”

安装数据库交互库

继续交流:“安装Psycopg2库”。
AI助手给出指令:“激活my_project_env虚拟环境后,使用Pip安装Psycopg2:

pip install psycopg2

Psycopg2库已安装,现在你已在Ubuntu 22.04服务器上构建了一个包含Python 3.10、常用Web开发库、PostgreSQL数据库及交互库的开发环境。若之后还有其他开发环境相关的配置需求,可随时在AI对话区输入指令。Wisdom SSH官网为ssh.wisdomheart.cn,你可前往了解更多功能。”

通过与Wisdom SSH的AI助手多轮交互,能有条不紊地在Linux系统上构建复杂的开发环境,显著提升开发准备工作的效率。

http://www.xdnf.cn/news/1214767.html

相关文章:

  • leetcode热题——搜索二维矩阵Ⅱ
  • Apache Ignite 集群标识(Cluster ID)和集群标签(Cluster Tag)
  • 论文阅读:《多目标和多目标优化的回顾与评估:方法和算法》
  • Redis实现数据传输简介
  • jmeter读取上游接口并遍历数组数据并进行压测
  • 【Qt】QTime::toString(“hh:mm:ss.zzz“) 显示乱码的原因与解决方案
  • 学习游戏制作记录(冻结敌人时间与黑洞技能)7.30
  • 基于C-MTEB/CMedQAv2-rerankingv的Qwen3-1.7b模型微调-demo
  • 深度学习与图像处理案例 │ 图像分类(智能垃圾分拣器)
  • 通达OA服务器无公网IP网络,如何通过内网穿透实现外网远程办公访问OA系统
  • 三十二、【Linux网站服务器】搭建httpd服务器演示虚拟主机配置、网页重定向功能
  • [25-cv-08377]Hublot手表商标带着14把“死神镰刀“来收割权!卖家速逃!
  • Dify 从入门到精通(第 4/100 篇):快速上手 Dify 云端:5 分钟创建第一个应用
  • Python爬虫04_Requests豆瓣电影爬取
  • 下拉加载问题
  • 电商项目_核心业务_分布式事务
  • 【AI论文】单一领域能否助力其他领域?一项基于数据的、通过强化学习实现多领域推理的研究
  • 少林寺用什么数据库?
  • web:html表单提交数据
  • 亚马逊广告进阶指南:如何合理调配预算
  • 网络的学习 2 Socket
  • 深入剖析 RocketMQ 分布式事务:原理、流程与实践
  • GitPython02-Git使用方式
  • 大模型对比评测:Qwen2.5 VS Gemini 2.0谁更能打?
  • 《C++二叉搜索树原理剖析:从原理到高效实现教学》
  • 基于 Amazon Bedrock 与 Anthropic Claude 3 智能文档处理方案:从扫描件提取到数据入库全流程实践
  • 智能Agent场景实战指南 Day 26:Agent评估与性能优化
  • Python正则表达式精准匹配独立单词技巧
  • 【Dolphinscheduler】docker搭建dolphinscheduler集群并与安全的CDH集成
  • python | numpy小记(八):理解 NumPy 中的 `np.meshgrid`