Phase 00: Setup & Tooling

开发环境

你的工具塑造了你的思维, 设置它们一次,设置它们正确.

Type: Build

Languages: Python, Node.js, Rust

Prerequisites: None

Time: ~45 minutes

学习目标

设置Python 3.11+,Node.js 20+,以及Rust工具链从零开始
配置可复制的构建的虚拟环境和包管理器
通过CUDA/MPS验证GPU访问并执行测试子操作
了解四层堆:系统,包,运行时间,人工智能库

问题

你即将学习人工智能工程,使用Python,TypeScript,Rust和Julia的500多个课程. 如果你的环境被破坏,

大多数人会跳过环境设置,然后花费数小时检查进口错误,版本冲突,以及缺失的CUDA驱动程序.

概念

人工智能工程环境有四层:

graph TD
    A["4. AI/ML Libraries\nPyTorch, JAX, transformers, etc."] --> B["3. Language Runtimes\nPython 3.11+, Node 20+, Rust, Julia"]
    B --> C["2. Package Managers\nuv, pnpm, cargo, juliaup"]
    C --> D["1. System Foundation\nOS, shell, git, editor, GPU drivers"]

我们安装下层,每个层取决于下层.

建立它

步骤1:系统基础

检查系统,安装基本知识.

bash# macOS
xcode-select --install
brew install git curl wget

# Ubuntu/Debian
sudo apt update && sudo apt install -y build-essential git curl wget unzip

# Windows (use WSL2)
wsl --install -d Ubuntu-24.04

步骤2:使用UV的Python

我们使用uv它比Pip快10-100倍,并且自动处理虚拟环境.

bashcurl -LsSf https://astral.sh/uv/install.sh | sh

uv python install 3.12

uv venv
source .venv/bin/activate  # or .venv\Scripts\activate on Windows

uv pip install numpy matplotlib jupyter

检查:

pythonimport sys
print(f"Python {sys.version}")

import numpy as np
print(f"NumPy {np.__version__}")
a = np.array([1, 2, 3])
print(f"Vector: {a}, dot product with itself: {np.dot(a, a)}")

步骤3: Node.js 与 pnpm

对于TypeScript课程 (代理,MCP服务器,网络应用).

bashcurl -fsSL https://fnm.vercel.app/install | bash
fnm install 22
fnm use 22

npm install -g pnpm

node -e "console.log('Node', process.version)"

安装器检查unzip首先,然后离开Not installing fnm due to missing dependencies.在 Linux 上,它解包了zip档案,在 macOS 上,它通过 Homebrew 安装.unzip根据"步骤"的适用行 (sudo apt install -y unzip如果您跳过了那一步).

macOS / Apple Silicon (M1/M2/M3/M4):如果安装器停止使用Error: Cannot install under Rosetta 2 in ARM default prefix (/opt/homebrew)您的终端正在Rosetta 2下运行arch印记i386安装Fnm强迫Arm64,将其插入你的子中,然后从上面的命令重启fnm install 22其他:

basharch -arm64 brew install fnm
echo 'eval "$(fnm env --use-on-cd)"' >> ~/.zshrc
source ~/.zshrc

步骤4:

对于性能关键的课程 (推理,系统).

bashcurl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh

rustc --version
cargo --version

步骤5:朱莉亚 (可选)

对于朱莉亚耀的数学课程.

bashcurl -fsSL https://install.julialang.org | sh

julia -e 'println("Julia ", VERSION)'

步骤 6: 设置GPU (如果您有一个)

NVIDIA (Linux / Windows):

bashnvidia-smi

# Install PyTorch with CUDA
uv pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124

macOS / Apple Silicon (M1/M2/M3/M4):没有一个Mac上 CUDA 预期,没有失败.not通过--index-url .../cuXXX安装简单的构建,其中包括果的MPS (金属) GPU后端:

bashuv pip install torch torchvision torchaudio

验证 (在任何平台上都能工作):

pythonimport torch
print(f"CUDA available: {torch.cuda.is_available()}")           # False on macOS — expected
print(f"MPS available:  {torch.backends.mps.is_available()}")   # True on Apple Silicon
if torch.cuda.is_available():
    print(f"GPU: {torch.cuda.get_device_name(0)}")

没有GPU?没有问题.大多数课程都在CPU上进行.对于训练重的课程,请使用Google Colab或云GPU.

步骤 7: 验证您想要开始的路线

运行本课中的每个命令从库根,目录中运行

含有README.md其他phases/飞行前检查你需要的东西

默认情况下,它会跳过后来的工具,这样一个新学习者会看到

只是一个明确的答案,而不是一个警告墙.

开始全新手序列:

bashpython3 phases/00-setup-and-tooling/01-dev-environment/code/verify.py --route beginner

或只查看你想要的路线:

bashpython3 phases/00-setup-and-tooling/01-dev-environment/code/verify.py --route ml-foundations
python3 phases/00-setup-and-tooling/01-dev-environment/code/verify.py --route llm-engineering
python3 phases/00-setup-and-tooling/01-dev-environment/code/verify.py --route agents
python3 phases/00-setup-and-tooling/01-dev-environment/code/verify.py --route mcp
python3 phases/00-setup-and-tooling/01-dev-environment/code/verify.py --route agent-skills
python3 phases/00-setup-and-tooling/01-dev-environment/code/verify.py --route certification

加入--show-later当你想要相同的飞行前检查可选的工具时

后期工具永远不会阻止学习.

选择的路线.

每次未能执行的检查都包括检测到的路径或进口错误以及

代理技能和认证路线也显示

由于Python脚本不能证明AI主机有

您发现了技能或您选择的技能范围可写.

开始飞行前,它打印出了第一课:

textReady to start Beginner course.
Next: python3 phases/01-math-foundations/01-linear-algebra-intuition/code/vectors.py

用它

您的环境准备好启动您检查的路线.

当一个课时要求他们,而不是完全阻止你的第一课时

您将在整个课程中使用的内容是:

Language	Used In	Package Manager
Python	Phases 1-12 (ML, DL, NLP, Vision, Audio, LLMs)	uv
TypeScript	Phases 13-17 (Tools, Agents, Swarms, Infra)	pnpm
Rust	Phases 12, 15-17 (Performance-critical systems)	cargo
Julia	Phase 1 (Math foundations)	Pkg

运送它

这一课产生的验证脚本,任何人都可以运行来检查他们的设置.

看到outputs/prompt-env-check.md为了帮助人工智能助理诊断环境问题.

运动

运行验证脚本,修复任何故障
创建一个Python虚拟环境,并安装PyTorch
在四种语言中写一个"世界好"并运行每一个

This free lesson is part of the AI Engineering from Scratch curriculum. Read the full explanation, run the lesson code, and verify the result in the interactive reader or from the repository source.

Browse the complete course catalog or open this lesson on GitHub.