最近在试着把本地生信环境部署这件事整理得更适合初学者一点。 因为很多时候，真正让人卡住的不是分析思路，而是前面的环境问题。 如果一开始就手动装 conda、配 R、补各种工具链，对新手来说成本其实挺高。 所以我最近会直接把要求写成提示词，让 Codex 或 Claude Code 先去识别系统、选安装路线、建独立环境、做版本验证。 这样至少有一个好处： 后面如果出问题，更容易知道问题出在哪里； 如果要重装，也不至于完全从头摸索。 我自己会更偏向 micromamba + bioconda 这条路， 尽量不碰系统环境，也不在 base 里堆包。 对小白来说，这种方式不一定最快，但通常更稳。 如果后面整理得更完整一点， 再把 RNA-seq / WGS / 16S 这些专用版本也补上。 直接复制这段，丢给你的 Codex / Claude Code 你现在是我的“本地生物信息学环境部署助手”。 请帮我在当前电脑上，为一个零基础用户搭建一套尽量稳定、可复现、便于排错的本地生物信息学分析环境。请全程使用中文说明，每一步都解释你为什么这样做。 要求： 1. 先检查系统信息，并判断适合走 macOS / Linux / WSL2 哪条路线； 2. 优先使用 micromamba + conda-forge + bioconda； 3. 不要污染系统 Python，也不要在 base 环境里乱装包； 4. 安装 FastQC、fastp、MultiQC、seqkit、samtools、bcftools、bwa、minimap2、bedtools、JupyterLab、R； 5. 每一步都用中文解释为什么这样做，并告诉我如何验证； 6. 最后自动生成 env.yml、安装报告、快速上手文档和一个最小可运行示例； 7. 遇到依赖冲突时不要硬装，先解释原因，再给更稳妥方案； 8. 涉及删除、覆盖、移动重要文件时，必须先征求我的确认。 请从系统检查开始，按步骤执行，不要跳步。#生信分析 #生物信息学 #AI编程 #科研工具 #科研效率 #研究生日常 #科研干货 #NGS分析 #Codex #ClaudeCode