2、环境搭建：Python环境配置、必备库安装（Atheris、TensorFlow、PyTorch）、虚拟环境管理
说实话，做AI模糊测试，环境搭建往往是第一道坎。
我见过太多人，兴致勃勃想跑个demo，结果卡在依赖冲突上，一卡就是一整天。嗯，咱们今天就把这事彻底捋清楚。
2.1 Python版本选择——别在这上面翻车
我个人习惯用Python 3.8或3.9。为什么？
说白了，Atheris对3.10以上的支持还不够稳。我去年有个项目，图新鲜装了Python 3.11，结果Atheris编译时报了一堆莫名其妙的错，排查了两天才发现是版本问题。
所以，听我一句劝：
- 推荐版本：Python 3.8.10 或 3.9.13
- 不推荐：Python 3.7（太老，部分库已停止支持）
- 谨慎使用：Python 3.10+（Atheris可能有兼容问题）
⚠️ 避坑指南：我曾经在Windows上装Python 3.9.13，结果系统PATH里同时存在多个Python版本，导致pip install时总装错位置。建议安装时勾选"Add Python to PATH"，然后手动检查一下。
2.2 虚拟环境管理——隔离才是王道
你想想看，一个项目要TensorFlow 2.4，另一个要2.10，直接怼到全局环境里，那不是找虐吗？
我推荐两种方式：
方式一：venv（Python内置，轻量）
# 创建虚拟环境
python -m venv ai_fuzz_env
# 激活（Windows）
ai_fuzz_env\Scripts\activate
# 激活（Linux/Mac）
source ai_fuzz_env/bin/activate
# 退出
deactivate方式二：conda（适合AI项目，管理更强大）
# 创建环境
conda create -n ai_fuzz python=3.9
# 激活
conda activate ai_fuzz
# 退出
conda deactivate
💡 我的小习惯：每个AI模糊测试项目，我都会单独建一个虚拟环境。名字就用项目名+fuzz，比如"bert_fuzz_env"。这样半年后回头看，一眼就知道哪个环境是干嘛的。
2.3 必备库安装——Atheris、TensorFlow、PyTorch
好，环境激活了，咱们开始装核心库。
2.3.1 安装Atheris（模糊测试引擎）
Atheris是Google开源的Python模糊测试工具，底层基于libFuzzer。说白了，它就是咱们的"炮弹发射器"。
# 安装Atheris
pip install atheris
# 如果安装失败，可能需要先装clang（Linux）
# Ubuntu/Debian
sudo apt-get install clang
# 验证安装
python -c "import atheris; print(atheris.__version__)"
⚠️ 注意：Atheris在Windows上支持有限。我建议在Linux或WSL2上跑。如果你非要在Windows上折腾，嗯……我曾经试过，最后老老实实装了WSL2。
2.3.2 安装TensorFlow
TensorFlow是我们测试AI模型的主要目标之一。版本选择上，我建议2.4到2.10之间。
# CPU版本（轻量，适合学习）
pip install tensorflow==2.9.0
# GPU版本（需要CUDA支持）
pip install tensorflow-gpu==2.9.0
# 验证
python -c "import tensorflow as tf; print(tf.__version__)"
💡 经验之谈：刚开始学，用CPU版本就够了。我当年一上来就装GPU版，结果CUDA、cuDNN版本配了三天……其实模糊测试的瓶颈往往不在模型推理速度，而在数据生成和变异逻辑。
2.3.3 安装PyTorch
PyTorch的安装相对友好，官方提供了自动适配命令。
# 去官网 https://pytorch.org 获取最新命令
# 以CPU版本为例
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu
# 验证
python -c "import torch; print(torch.__version__)"2.4 其他必备库
除了三大件，还有一些辅助库，我列个表，你照着装就行：
| 库名 | 用途 | 安装命令 |
|---|---|---|
| numpy | 数值计算，几乎所有AI库的依赖 | pip install numpy |
| scipy | 科学计算，处理测试数据 | pip install scipy |
| Pillow | 图像处理，测试图像模型时必备 | pip install Pillow |
| protobuf | TensorFlow模型序列化格式 | pip install protobuf==3.20.3 |
| jupyter | 交互式调试，方便查看中间结果 | pip install jupyter |
📌 版本锁定小技巧：装完所有库后，执行
pip freeze > requirements.txt，把当前环境的依赖保存下来。下次重建环境时，直接 pip install -r requirements.txt 就行。我每次项目结束都会做这一步，省得以后想复现结果时抓瞎。
2.5 验证环境——跑个简单的测试
环境搭好了，咱们验证一下能不能正常工作。
# 创建一个测试文件 test_env.py
import atheris
import tensorflow as tf
import torch
import numpy as np
print("Atheris version:", atheris.__version__)
print("TensorFlow version:", tf.__version__)
print("PyTorch version:", torch.__version__)
print("NumPy version:", np.__version__)
print("✅ 环境搭建成功！")
# 简单测试：用TensorFlow加载一个空模型
model = tf.keras.Sequential([
tf.keras.layers.Dense(10, activation='relu', input_shape=(5,))
])
print("模型创建成功，参数数量:", model.count_params())如果输出正常，恭喜你，环境搭建完成！
💡 最后一句：环境搭建这事，一次配好，后面省心。我建议你把这份配置保存下来，以后新机器上直接复用。好了，下一章咱们开始写第一个模糊测试脚本。