用华为云 AI DevSpace 从零搭建一个轻量 AI 问答应用：环境初始化到底层调试全记录

一、为什么用 AI DevSpace 起步

很多同学在本地搭 AI 开发环境时，最耗时的不是写代码，而是环境：Python 版本、CUDA 依赖、模型推理框架、数据集路径，每一步都可能卡住几个小时。华为云 AI DevSpace 提供的思路是把这套环境搬到云端，按需拉起一个已预置工具链的远程工作空间，浏览器打开就能写代码、跑终端。

这次我用它做了一个最小的 AI 问答 Demo，把从进入空间到跑通第一个请求的全过程记录下来，供同样想快速验证想法的同学参考。

二、环境初始化

在成长中心的任务卡片点击"每日体验 AI DevSpace"后，会跳转到 AI 开发者空间。首次进入需要等待环境配置，页面会显示初始化进度。这个过程不需要手工装任何东西，配置完成后会弹出新手引导，按引导关闭即可看到一个完整的 IDE：左侧文件树、中间编辑器、底部终端。

• 初始化阶段不要重复刷新页面，刷新会重新触发配置，反而更慢；
• 引导弹窗可以直接关掉，不影响后续使用；
• 终端是拉通环境的关键入口，依赖安装、启动服务都在这里完成。

三、第一个 Demo：最简问答脚本

在终端里新建一个脚本，把模型调用封装成函数，然后做一个命令行问答循环：

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ.get("API_KEY"),
    base_url=os.environ.get("BASE_URL"),
)

def ask(question: str) -> str:
    resp = client.chat.completions.create(
        model="chat-model",
        messages=[{"role": "user", "content": question}],
        temperature=0.3,
    )
    return resp.choices[0].message.content

if __name__ == "__main__":
    while True:
        q = input("你：").strip()
        if q in {"exit", "quit"}:
            break
        print("AI：", ask(q))

把密钥放到环境变量里，而不是硬编码在脚本里，这一点在云端环境尤其重要，因为工作空间往往会被多人或多任务复用。

四、几个实用的调试习惯

第一，先用最小请求验证链路通不通：把 temperature 固定、把 prompt 缩短，确认返回结构没问题，再去调业务提示词。

第二，把耗时打印出来。云端网络和本地不一样，首包延迟可能明显高于预期，加一层时间统计可以快速判断是网络问题还是模型问题。

第三，善用终端的历史记录。DevSpace 的终端支持命令补全，重复执行的步骤建议写成 shell 脚本，避免每次手敲。

五、小结

AI DevSpace 的价值不在于替你写代码，而在于把"想验证一个想法"的门槛压到很低：不用配环境、不用买显卡、不用管依赖冲突，打开浏览器就能动手。对于做原型验证和教学演示的场景，这种按需分配云端工作空间的方式，比自己维护一套本地环境要省心得多。

后续我打算把它和代码托管结合起来，做一个自动化的提示词评测流水线，把每次改动的效果用数据量化出来。如果你也在用类似的云端开发空间，欢迎在评论区交流踩坑经验。