环境开箱 | 3分钟搭建你的专属大模型实验室

1. 1. 构建一个稳定、隔离的实验环境

开始大模型学习前,首要任务是搭建一 个“纯净”的开发环境。这能确保我们的代码在可预测的条件下运行,不受其他项目或系统级软件库的干扰。

核心优势

• • 避免版本冲突:不同项目依赖的组件 版本可能不同,独立环境可防止相互 冲突。
• • 简化依赖管理:每个项目拥有自己独 立的依赖清单,便于维护、分享和复 现。

2. 启动云端工作站

本教程基于 ModelScope 免费 Notebook。请按以下步骤进入您的云端开发环境:

1. 1. 访问 魔搭社区 并进入"**我的 Notebook **"
2. 2. 创建实例(若无)。
3. 3. 点击"查看 NoteBook"进入 DSW (Data Science Workshop)界面。

点击 查看 NoteBook，进到云环境

可以 切换到中文语言下，方便大家后续操作

3. 进入 DSW 并进行系统校验

1. 1. 在 DSW 界面顶部,点击 "Terminal”(终端)图标,打开 命令行界面。

1. 2. 执行以下命令,确认基础环境版 本与工作目录

确认环境变量，在 Terminal 中输入 python --version 来确认当前的 python 版本是 3.10 ，输入 pwd 确认当前所在目录为**/mnt/workspace**。

1
2

python --version
pwd

接下来你可以通过 自动或手动 两种方式完成课程所需的环境配置和课程文件的下载。

4. 选择你的部署路径

现在,你需要为课程加载代码和依赖库。我们提供两种路径,请根据你的需求选择:

路径 A:一键自动化部署(推荐)

在 Terminal 中复制并执行以下命令。脚本将自动下载课程文件并安装所需的环境依赖。

1
2

wget https://developer-labfileapp.oss-cn-hangzhou.aliyuncs.com/ACP/aliyun_llm_acp_install.sh
/bin/bash aliyun_llm_acp_install.sh

如果这一步执行顺利，你可以跳过下面手动安装的步骤。

路径 B:手动精细化配置

如果你选择手动配置,或自动化脚本执行失 败,请遵循以下两个核心步骤。

1. 获取课程代码

在 Terminal 中执行`git clone` 命令来获取课程的源代码。

如果遇到网络问题导致克隆失败,可以尝试使用 AtomGit 镜像:

如果你比较熟悉 jupyter notebook，希望在本地运行，建议你使用 python 3.10 环境来运行。

2. 构建虚拟环境并安装依赖

依次执行以下命令,创建并配置一个名为“llm_learn` 的独立 Python 环境。

3. 为什么虚拟环境至关重要?

你刚刚创建的 venv (虚拟环境)是现代 Python 开发的基石。

它如同一个独立的“沙盒”,确保每个项 目的依赖库都封装在自己的空间里,互不干扰。

“本课程中使用的 venv 虚拟环境可以 为每个项目创建独立的 Python 环境, 避免版本冲突,简化依赖管理。”

5. 激活并切换至专用内核

1. 1. 无论你通过哪种路径安装,现在都应 返回 DSW 的 Notebook 界面。
2. 2. 在左侧的文件树中,你应该能看到新 出现的`aliyun_acp_learning 文件 夹。
3. 3. 请依次进入:`aliyun_acp_learning -> ` 大模型 ACP 认证教程-> `p2_构造 大模型问答系统,找到课程文件。

接下来你可以在文件树中依次进入 aliyun_acp_learning-> 大模型 ACP 认证教程->p2_构造大模型问答系统 文件夹，就能看到下一章的教程内容。

关联内核：为你的 Notebook 指定“引擎”

每个课程文件(.ipynb)都需要手动关联 到我们刚刚创建的环境。这是确保代码正 确执行的关键一步。

课程内容安装完成后，你还需要在 Notebook 课程（.ipynb 文件）右上角**选择内核（默认内核为：Python 3 (ipykernel)）**，切换为刚创建的 Python 环境。如上面的创建的 Python(llm_learn)环境。

6. 系统就绪准备启航

顺利执行上述步骤后，就可以开始学习课程了。祝你在之后的学习之旅中一切顺利！