一、anaconda的安装

1.下载地址：  https://www.anaconda.com/download/
打开下载的文件：

next

I agree

next

安装完成后

打开应用中的anaconda下的Anaconda Promot，查看拿到了conda 版本

二、anaconda的应用

1.虚拟环境的创建

conda create --name 名字 python=版本

指定路径安装：conda create --prefix E:\dev\anaconda\envs\my_env python=3.10

2.查看虚拟环境

conda env list

3.激活该虚拟环境

conda activate 环境名

4.删除虚拟环境

conda remove -n 名字 --all

如图所示

三、pytorch的安装

打开终端查看显卡版本

打开pytorch官网：PyTorch

选择合适的下载

在anaconda prompt输入该指令来下载pytorch

之后验证

说明 PyTorch 安装成功，并且已经正确检测到了可用的 CUDA GPU

# pytorch # python
Logo
智能体开发者社区

中国智能体开发者社区，聚焦智能体与大模型开发，提供前沿资讯、实用工具链、开源项目及行业案例。通过技术沙龙、开发者大赛等活动，促进经验交流与协作，助力开发者快速构建创新智能应用。

更多推荐

MCP协议开发实战：从零搭建AI Agent工具链

创建静态资源（如项目 README 文件）。创建动态资源（如实时系统状态）。在 Client 中请求并利用资源上下文。回顾 MCP 协议如何降低 AI Agent 开发门槛。当前生态的局限与未来的演进方向。鼓励读者基于此大纲进行实践，并参与开源贡献。

avatar 智能体开发者社区

AI Agent可观测性：破解多步推理黑盒

随着AI Agent在复杂任务中承担越来越多的决策角色，其内部的多步推理过程往往如同一个“黑盒”，难以理解、调试和信任。本文旨在探讨AI Agent可观测性（Observability）的核心概念、技术挑战与实践方案，为开发者提供一套系统的方法论和工具链，以“照亮”Agent的推理黑盒，实现对其行为、决策逻辑与内部状态的全面洞察。构建AI Agent的可观测性体系不再是“锦上添花”，而是保障其在大

avatar 智能体开发者社区

MCP协议开发实战：从零搭建AI Agent工具链

回顾：我们从协议概念到动手搭建了一个可用的MCP工具链。MCP的生态现状：官方与社区提供的Server示例（GitHub, Jira, Notion等）。未来方向：更复杂的工具编排、多模型协作、可视化工具开发平台。鼓励动手：鼓励读者基于此框架，开发解决自己实际问题的工具。

avatar 智能体开发者社区