企业官网建设流程全解析

1. Cursor 里虚拟环境没生效，问题到底出在哪

很多刚用 Cursor 的朋友会有一个错觉：既然 AI 能直接帮我写代码、跑命令，那虚拟环境这种“老派”操作是不是可以省了？我一开始也这么想，直到某个项目里pip install装了一堆包，结果换台机器或者换个项目就全乱套——全局 site-packages 被污染，版本冲突排查起来非常痛苦。

Cursor 本身是一个编辑器，它不会自动帮你创建或激活虚拟环境。它默认继承系统 PATH，所以你在终端里敲python，用的就是全局解释器；你在编辑器里点 Run，用的也可能是全局解释器。AI 生成代码时默认你已经管理好了环境，它不会主动检查你当前是不是在 venv 里。这就是问题的根源：虚拟环境没配好，Cursor 的终端、调试器、AI 补全可能跑在不同的 Python 上。

这篇内容面向本地 Python 项目开发场景，目标很明确：给你一份可以直接复制的settings.json骨架，把 Cursor 的终端、解释器、调试配置统一指向虚拟环境；同时接入 TaoToken 的统一 Key/API 通道，让 AI 辅助编码时的模型请求也走同一条可控链路。最后附上三步验证动作，帮你确认虚拟环境真的生效了，而不是“看起来生效”。

适合谁看：刚从 PyCharm 或 VS Code 转到 Cursor 的 Python 开发者；用 AI Agent 写代码但发现依赖越装越乱的人；以及想把模型调用和本地环境一起管起来的团队。

2. 前置准备：TaoToken 统一 Key 与 API 通道

在动settings.json之前，先把模型侧的入口理清楚。Cursor 的 AI 功能需要调用模型，如果你希望请求走一个统一的通道、方便换模型和统计用量，可以用 TaoToken 来做这件事。它的官网入口是 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，API 基地址是 https://taotoken.net/api （这个地址不加 UTM 参数）。

你需要先拿到一个 API Key。操作路径是：进入控制台，在 API Keys 页面创建一个新的 Key。控制台地址是 https://taotoken.net/console?utm_source=taotoken_aicg_blog_end&utm_content=console&utm_campaign=rewrite ，API Keys 页面是 https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api-keys&utm_campaign=rewrite 。创建时建议按项目命名，比如cursor-venv-test，方便后面区分。

拿到 Key 之后，你有两种用法。一种是在 Cursor 的模型设置里填入自定义 API 地址和 Key；另一种是在项目里通过环境变量读取，让代码和编辑器共用同一个 Key。我推荐后者，因为环境变量可以写进虚拟环境的激活脚本里，切换项目时自动隔离，不会把 Key 硬编码到settings.json里。

如果你只是想先验证模型能不能通，可以打开模型对话页面 https://taotoken.net/models?utm_source=taotoken_aicg_blog_end&utm_content=models&utm_campaign=rewrite 发一条测试消息。如果是长期编码、跑 Agent 任务，建议了解 Coding Plan https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=coding-plan&utm_campaign=rewrite ，它的额度模型更适合高频调用。接入文档在 https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite ，遇到参数问题可以先查这里。

注意：API Key 不要提交到 Git。建议放在项目根目录的.env文件里，并把.env加入.gitignore。虚拟环境的activate脚本可以读取这个文件，但不要把它写进版本控制。

3. 可复制的 settings.json 骨架与虚拟环境配置

Cursor 的配置分两层：用户级settings.json和项目级.cursor/settings.json。项目级配置会覆盖用户级，适合放跟这个项目绑定的解释器路径。下面这份骨架你可以直接复制到项目根目录的.cursor/settings.json里，然后按你的实际路径改。

{ "python.defaultInterpreterPath": "${workspaceFolder}/venv/Scripts/python.exe", "python.terminal.activateEnvironment": true, "python.terminal.activateEnvInCurrentTerminal": true, "python.analysis.extraPaths": [ "${workspaceFolder}/venv/Lib/site-packages" ], "terminal.integrated.env.windows": { "TAOTOKEN_API_KEY": "${env:TAOTOKEN_API_KEY}", "TAOTOKEN_BASE_URL": "https://taotoken.net/api" }, "python.testing.pytestEnabled": true, "python.testing.unittestEnabled": false, "editor.formatOnSave": true, "files.exclude": { "**/__pycache__": true, "**/*.pyc": true } }

几个关键点解释一下。python.defaultInterpreterPath指向虚拟环境里的python.exe，Windows 下路径是venv/Scripts/python.exe，macOS 和 Linux 下是venv/bin/python。python.terminal.activateEnvironment设为true后，新开的终端会自动激活虚拟环境，你会看到提示符前面多出(venv)。python.analysis.extraPaths让语言服务器也能找到虚拟环境里的包，避免补全时提示“找不到模块”。

如果你用的是 macOS 或 Linux，把路径改成：

{ "python.defaultInterpreterPath": "${workspaceFolder}/venv/bin/python", "python.terminal.activateEnvironment": true, "python.terminal.activateEnvInCurrentTerminal": true }

接下来是调试配置。在项目根目录创建.cursor/launch.json，内容如下：

{ "version": "0.2.0", "configurations": [ { "name": "Python: Current File (venv)", "type": "debugpy", "request": "launch", "program": "${file}", "console": "integratedTerminal", "python": "${workspaceFolder}/venv/Scripts/python.exe", "env": { "TAOTOKEN_API_KEY": "${env:TAOTOKEN_API_KEY}", "TAOTOKEN_BASE_URL": "https://taotoken.net/api" } } ] }

这里console设为integratedTerminal很关键。默认的internalConsole不会激活虚拟环境，所以你会看到“模块找不到”的报错，即使终端里已经装好了包。改成集成终端后，调试器会复用已经激活 venv 的终端，依赖就能正常导入。

创建虚拟环境的命令本身很简单，在项目根目录执行：

python -m venv venv

Windows 下激活：

venv\Scripts\activate

macOS 或 Linux 下激活：

source venv/bin/activate

激活后，终端提示符会变成(venv)开头。这时候再执行pip install httpx，包会装到venv/Lib/site-packages里，而不是全局目录。

4. 三步验证：终端激活、解释器切换、依赖隔离

配置写完了不代表生效，必须验证。我习惯用三步来确认，每一步都有明确的观察点。

第一步，验证终端激活。在 Cursor 里按Ctrl+`` 打开新终端，看提示符前面有没有(venv)。如果没有，执行venv\Scripts\activate` 手动激活，然后运行：

python -c "import sys; print(sys.executable)"

输出应该是E:\cursor_project_test\venv_test\venv\Scripts\python.exe这样的路径，而不是C:\Python313\python.exe。如果输出的是全局路径，说明python.defaultInterpreterPath没生效，检查路径拼写和斜杠方向。

第二步，验证解释器切换。在 Cursor 里按Ctrl+Shift+P，输入Python: Select Interpreter，选择带venv标记的那个。然后打开任意.py文件，看右下角状态栏显示的解释器路径。再运行一次上面的sys.executable命令，确认编辑器选中的解释器和终端里的是同一个。

第三步，验证依赖隔离。在激活的虚拟环境里安装一个包：

pip install httpx

然后运行一个测试脚本：

import httpx import sys print("Python:", sys.executable) print("httpx version:", httpx.__version__)

如果输出正常，说明依赖装在了虚拟环境里。再开一个没有激活 venv 的终端，运行同样的脚本，应该报ModuleNotFoundError。这个对比能确认隔离生效了。

如果你在调试控制台里仍然看到模块找不到，检查launch.json里的console是不是integratedTerminal，以及python字段指向的路径是否正确。这两个地方是最常见的坑。

5. 本篇常见错排查

报错一：ModuleNotFoundError: No module named 'httpx'，但终端里明明装了。

原因通常是调试器用了internalConsole，没有继承虚拟环境。解决方法是把launch.json里的console改成integratedTerminal，并显式指定python路径。改完后重启调试会话。

报错二：终端提示符没有(venv)，pip install装到了全局。

检查settings.json里的python.terminal.activateEnvironment是否为true。如果还是不行，可能是 Cursor 没有读取项目级配置。确认文件路径是.cursor/settings.json，而不是.vscode/settings.json。Cursor 兼容 VS Code 配置，但项目级目录优先读.cursor。

报错三：python.defaultInterpreterPath路径不对，Windows 下斜杠方向混乱。

JSON 里路径用正斜杠/或双反斜杠\\都可以，但不要用单反斜杠\，因为\v会被当成转义字符。推荐统一用${workspaceFolder}/venv/Scripts/python.exe。

报错四：AI 补全提示的包版本和虚拟环境里的不一致。

这是语言服务器缓存问题。按Ctrl+Shift+P运行Python: Restart Language Server，然后重新打开文件。如果还不行，检查python.analysis.extraPaths是否包含了虚拟环境的site-packages路径。

报错五：TaoToken 的 Key 在代码里读不到。

确认环境变量是在激活虚拟环境之后设置的。如果你把TAOTOKEN_API_KEY写在了.env文件里，需要在代码里用python-dotenv加载，或者在激活脚本里export。调试配置里的env字段可以临时注入，但不要硬编码 Key。

提示：每次换项目，先确认终端提示符有没有(venv)，再看sys.executable路径。这两个检查花不了十秒，但能省掉半小时的依赖排查。

6. 把模型调用也纳入同一套环境管理

虚拟环境管的是 Python 依赖，TaoToken 管的是模型请求。两者结合的方式很简单：在虚拟环境的激活脚本里设置环境变量，让项目代码和 Cursor 的 AI 功能共用同一个 Key 和 Base URL。

如果你用的是 Windows，可以在venv\Scripts\activate.bat末尾追加：

set TAOTOKEN_API_KEY=你的Key set TAOTOKEN_BASE_URL=https://taotoken.net/api

macOS 或 Linux 则在venv/bin/activate末尾追加：

export TAOTOKEN_API_KEY=你的Key export TAOTOKEN_BASE_URL=https://taotoken.net/api

这样每次激活虚拟环境，模型请求的入口就自动配好了。代码里读取os.environ["TAOTOKEN_API_KEY"]即可，不需要在每个文件里重复写。

如果你在 Cursor 里配置自定义模型，Base URL 填https://taotoken.net/api，Key 填你创建的那个。模型对话页面可以用来快速验证连通性，接入文档里有不同语言 SDK 的示例。长期跑编码任务的话，Coding Plan 的额度模型比按次调用更划算，具体可以看 https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=coding-plan&utm_campaign=rewrite 。

最后留一个我自己的习惯：每个新项目创建后，第一件事是python -m venv venv，第二件事是写.cursor/settings.json和.cursor/launch.json，第三件事是跑一遍三步验证。这三件事做完，再让 AI 开始写代码，后面基本不会遇到依赖混乱的问题。环境干净了，排查问题的成本会低很多。