在跑通第一个模型之前，你只需要做好这三件事

---

系列速览

这个系列的目标读者是你——有 Python 基础、想做 AI/大模型方向、但不知道从哪开始的在校学生。

全系列 7 篇，分 7 个阶段：

阶段	标题	学会什么	需要 GPU？
零	先磨刀	搭好 AI 学习环境（正在看这篇）	否
一	站稳脚	用 Scikit-learn 跑通 ML Pipeline	否
二	拆解黑盒	d2l-zh + nanoGPT，搞懂 Transformer	否（训练建议有）
三	接上外脑	从零搭建 RAG 文档问答系统	否
四	赋予手脚	Function Calling + Agent，让模型替你干活	否
五	造自己的轮子	LLaMA-Factory 微调 7B 模型	需要 (3060+)
六	走出文本	VLM 或图像生成入门	选学

硬件要求：第零到四篇完全不需要 GPU。第五篇微调需要 RTX 3060 (12GB) 以上，或者用 Google Colab 免费 T4。

怎么读：按零到五的顺序读。第六篇可选。每篇文末有常见问题折叠块，卡住先展开看看。

---

大多数人的现状：决定学大模型，打开搜索引擎，输入"怎么学AI"，然后把前20条结果里的教程全部收藏了。接下来三天，我在装CUDA、装TensorFlow、装Anaconda、装完又卸载之间反复横跳。第四天，还没跑过一行模型代码。

这篇不做清单——做完下面三件事，你就有了一套能直接用30分钟的学习环境。

---

一、装Python

如果你还没装Python 3.11+：

# Windows: 去 python.org 下载安装包，装的时候勾上 Add to PATH
# Mac: brew install python@3.11
# Linux: sudo apt install python3.11 python3.11-venv

装完后验证 python --version 能看到 3.11.x 即可。

装好 Python 后，后续文章中所有 pip install 命令直接在终端执行即可。大部分教程的安装步骤都假设你已安装 Python 3.11+，不需要额外配置虚拟环境。

---

二、跑通第一个大模型

这里有个反常识的建议：在你读懂Transformer论文之前，先跑通一个模型。

不是为了学会什么，是为了获得正反馈。"模型在我电脑上跑起来了"这个体验本身，比你收藏100篇教程更有用。

装 Ollama。它是目前最友好的本地模型管理工具，没有之一。

# Mac/Linux: curl -fsSL https://ollama.com/install.sh | sh
# Windows: 去 ollama.com 下载安装包

装好后打开终端，执行：

ollama run qwen2.5:7b

第一次运行会下载模型，你会看到下载进度条，最后显示 success 就说明模型下载完成了。

等下载完成后，终端会进入对话模式：

>>> 你好，帮我写一段 Python 代码，计算斐波那契数列

模型会逐字输出回答。就这么简单。第一次看到模型在你自己电脑上逐字生成回答的时候，你会有一种"我真的在搞AI了"的感觉。

如果下载慢：qwen2.5:7b 有 4GB 左右。国内用户可以配置代理或使用 hf-mirror.com 镜像站下载，或者到 ModelScope 下载，或者换更小的模型，比如 qwen2.5:1.5b（不到 1GB）：

ollama run qwen2.5:1.5b   # 先跑通流程
ollama run qwen2.5:7b     # 有余力再下大的

如果报错 Error: model requires more system memory：你的电脑内存不够跑 7B 模型，用 qwen2.5:1.5b 替代。

如果终端里没有 ollama 命令：Mac/Linux 试试重新开一个终端窗口。Windows 检查系统 PATH 里有没有 Ollama 的安装目录。

以后你可以随时 ollama pull 其他模型来切换——Llama、Mistral、DeepSeek，一行命令的事。

---

三、把一本教科书克隆到本地

你接下来真正要学的东西，大部分都在《动手学深度学习》（d2l-zh）里。现在先不读，把它克隆到你电脑上：

git clone https://github.com/d2l-ai/d2l-zh.git
cd d2l-zh
pip install -r requirements.txt
jupyter notebook

浏览器会自动打开，你会看到几十个 .ipynb 文件。随便点开一个，你就能在浏览器里运行代码、看公式、改参数。

不需要现在就去学它。你只需要知道它在你电脑上，任何时候你打开都能用。这种"拥有感"会降低你正式开始学习的心理门槛。

如果你没有装 Git：

# Windows: git-scm.com 下载安装
# Mac: brew install git
# Linux: sudo apt install git

只用学会三个命令：git clone（下载项目）、git pull（更新项目）、git status（查看状态）。这三个够你用一两年。

---

四、把开发环境收拾好

你会花大量时间在Jupyter Notebook和VS Code里。把这两个工具配置好，能直接影响你能坚持多久。

VS Code装这几个插件就够了，装多了反而卡：

• Python（微软官方那个）
• Jupyter（在VS Code里直接打开和编辑 .ipynb 文件）
• GitLens（看代码谁写的、什么时候改的）

然后在VS Code的设置里搜 format on save 并打开——以后每次保存代码自动格式化，缩进不一致这种低级错误不会再犯。

---

收工：你现在有什么

30分钟后的你：

1. 一个在本地运行的大模型，可以随时聊天
2. 一本近2000页的深度学习教科书在你硬盘上
3. 一个配置好的编辑器，写代码、跑Notebook都顺手

以上三件事，每件花5-10分钟，做完你就有了一套可用的AI学习基础设施。

下一篇文章，我们会用Scikit-learn跑通第一个完整的机器学习项目——不是装框架、不是配环境，是真正地从CSV文件到训练出一个能用的分类器。

---

本系列 Notebook 及配套文章：github.com/ASPIRINH/hands-on-llm

---

常见问题

Q: python3.11 命令找不到？
A: 如果装了 Python 但终端找不到，检查安装时有没有勾上 Add to PATH，或者尝试用 python3 代替 python3.11。

Q: Ollama 下载到一半断了？
A: 重新运行 ollama run qwen2.5:7b，它会断点续传。如果反复断，换 ollama run qwen2.5:1.5b（文件小很多）。

Q: Git 报 Permission denied？
A: 你在 HTTPS 方式下可能没有配置认证。先运行 git clone https://github.com/d2l-ai/d2l-zh.git（不需要登录），如果还不行，检查网络代理设置。

Q: VS Code 里 Jupyter Notebook 打不开？
A: 装了 Jupyter 插件后，需要装 Python 内核。在 VS Code 里按 Ctrl+Shift+P，输入 Python: Select Interpreter，选你当前的 Python 版本。

设置。

Q: VS Code 里 Jupyter Notebook 打不开？
A: 装了 Jupyter 插件后，需要装 Python 内核。在 VS Code 里按 Ctrl+Shift+P，输入 Python: Select Interpreter，选你当前的 Python 版本。