Windows AI 开发环境搭建（三）：WSL Linux 安装 Node、Python

本文是 Windows AI 开发环境搭建的第三部分，主要介绍 WSL Linux 安装 Node、Python 的最佳实践。涉及 node 相关如 nvm、pnpm；python 相关如 uv、conda、miniforge、mamba、pixi 等工具。

Node 环境

nvm 安装 node

不要下载 Node 安装包直接安装，由于各项目支持的 Node 版本不一定相同，老旧有兼容性问题，使用 node 版本管理工具 nvm 可以安装多版本 node，方便管理与切换。

Bash
curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.40.6/install.sh | bash

在当前窗口使 node 路径生效，重新加载执行：

Bash
source ~/.bashrc

检查 nvm 是否安装成功：

Bash
nvm --version # 0.40.6

根据需要安装 node 版本，不确定的话，目前推荐安装 Node 24 LTS：

Bash
nvm install 24

查看安装列表

Bash
nvm ls

安装更多版本，例如 22

Bash
nvm install 22

当前是 22 版本，需要切回 24

Bash
nvm use 24 # nvm use node or nvm use stable，因为 24 是最新稳定都指向了它们

检查：

Bash
node -v
npm -v

nvm use xx 只是在当前窗口临时改变 node 版本，每次新开窗口 node 版本是指定的 default 版本，默认是 24，如果需要其他，可以修改指定，例如默认改成 22 ：

Bash
nvm alias default 22

这样，每次打开都是你想要的 node 版本了。

corepack 安装 pnpm

现在很多项目例如 Next.js 都开始使用 pnpm。新项目推荐使用 pnpm。

原因：

  • 极大节省空间，多个项目依赖同一个版本的包，只在全局下载一份，可以避免 node_modules 俏俏蚕食你的硬盘空间
  • 速度快很多，由于多项目共享包，不用重复下载
  • 减少依赖问题，由于对于依赖书写要求更严格

如果需要团队协作，建议使用 corepack 代理 pnpm。 corepack 是 node 从 14.19.0 到 24 版本默认带的，25 后可能不再默认集成在 node 里。

corepack 是用来管理 pnpm、yarn 多版本的工具，例如项目指定 pnpm 版本，输入 pnpm install 安装时，corepack 会检查是否安装指定版本，如果没有会提示你下载指定版本。

查看 node 是否自带 corepack

Bash
corepack --version

如果没有 corepack，需要先卸载 pnpm、yarn，再安装 corepack 让其代理 yarn、pnpm 命令行工具

Bash
npm uninstall -g yarn pnpm
npm install -g corepack

# 更新到最新版本
npm install -g corepack@latest

这里举个例子，你的项目中的 package.json，设置了如下字段

JSON
{
  "packageManager": "[email protected]"
}
Bash
corepack enable # 开启 corepack 代理
pnpm install

提示你下载指定版本

Bash
! Corepack is about to download https://registry.npmjs.org/pnpm/-/pnpm-10.14.0.tgz
? Do you want to continue? [Y/n]

输入 Y 后，会下载安装指定的 pnpm，并把项目的依赖装好

查看版本

Bash
pnpm -v # 显示 10.14.0

pnpm 会把包安装在特殊目录，进行管理，避免不同项目之间相同的包，多次下载，占用空间。查看 pnpm 存储目录：

Bash
pnpm store path # ~/.local/share/pnpm/store

查看包占用硬盘大小

Bash
du -sh $(pnpm store path)

清理无用包，会删除当前没有任何项目引用的包：

Bash
pnpm store prune

跳出当前项目目录，再查看

Bash
cd ..
pnpm -v

提示你安装最新版本

Bash
! Corepack is about to download https://registry.npmjs.org/pnpm/-/pnpm-11.18.0.tgz
? Do you want to continue? [Y/n] Y

这次，输入 Y ，相当与在全局安装了最新版本。切回项目目录，依然是项目指定版本

Bash
pnpm -v # 显示 11.18.0
cd - # 切换刚才项目目录
pnpm -v # 显示 10.14.0

pnpm 多版本会下载在如下目录

Bash
~/.cache/node/corepack

清空所有下载的 pnpm，执行 pnpm 命令会再次提醒下载安装

Bash
corepack cache clean

以实际 Ubuntu-24.04 为例

WSL Ubuntu

~/.cache/node/corepack
        |
        └── pnpm 10.14.0
        └── pnpm 11.18.0

~/.local/share/pnpm/store
        |
        └── React / Next / AI 前端依赖缓存

项目目录
        |
        └── node_modules
             (链接)

如果不想使用 corepack，仅考虑个人日常使用，可以简单点如下安装：

Bash
npm install -g pnpm

Python 环境

Ubuntu 自带 Python：

检查：

Bash
python3 --version # 3.12.3

安装 python 包管理器 uv

uv（Python 世界的 pnpm，一个工具替代 pip + venv + pip-tools + poetry）

uv 非常适合管理 Python 包：

  • FastAPI
  • AI API
  • 自动化脚本

安装：

Bash
curl -LsSf https://astral.sh/uv/install.sh | sh

在当前窗口使 uv 路径生效，重新加载执行：

Bash
source ~/.bashrc

检查：

Bash
uv --version

创建 Python 项目：

Bash
mkdir python-test

cd python-test

uv init

安装依赖：

Bash
uv add requests # 安装在 项目目录 .venv/lib/pythonX.XX 下面

新建 main.py 文件

Python
import requests

print(requests.__version__)

运行：

Bash
uv run main.py

以后简单的 Python 项目，不要：

Bash
pip install xxx

推荐做项目隔离，例如新建项目，需要使用新的 python 版本

Bash
# 系统默认 3.12.3
uv venv --python 3.12.0
Bash
Using CPython 3.12.0
Creating virtual environment at: .venv
Activate with: source .venv/bin/activate

会下载 python 3.12.0 到以 ~/.local/share/uv/python 目录，查看安装 python 多版本情况

Bash
uv python list

当前命令行窗口，改为项目 python 版本，执行：

Bash
source .venv/bin/activate

python3 --version # 3.12.0

可以查看 uv python 命令行更多细节

Bash
uv python

AI 深度学习 Python 环境

对于普通 Python 包：

  • numpy
  • pandas
  • requests

uv 足够，但是 AI 库

  • PyTorch
  • CUDA
  • cuDNN
  • OpenCV
  • TensorRT

涉及：python -> C++ -> CUDA -> GPU Driver，这就是 Conda 擅长的了，

Conda 不仅擅长 Python 包管理，并且擅长管理复杂的二进制依赖：

  • Python版本
  • C/C++库
  • CUDA相关依赖
  • 系统库

Conda 版本演变

  • Anaconda ：大而全的 Conda 发行版本，零配置，开箱即用，但有些包你未必需要，浪费磁盘空间
  • Miniconda ：精简版 Conda，依赖解析速度慢，官方包渠道有版权问题

Conda-forge ：社区渠道，其中的包开源免费，解决了包版权不清的问题

Miniforge + Mamba

Miniforge = Miniconda + 默认的社区 Conda-forge 渠道 + 默认高速依赖解析器 Mamba。Miniforge 解决了以下问题

  • 臃肿问题：Miniforge 本质是轻量版的 Conda，预安装包小，轻量
  • 版权问题：默认使用 conda-forge 社区开源，没有版权问题
  • 解析依赖慢的问题：默认使用 Mamba
    • Mamba C++ 使用业界顶尖解析器 libsolv 重写用来替代 Conda 解析器
    • Manba 多线程下载，比 Conda 单线程下载，能充分利用宽带提速
    • Manba 完全兼容 Conda

AI 生态兼容性极佳，完美支持 PyTorch、CUDA 等底层复杂依赖，几乎不会遇到找不到包或安装报错的问题。

推荐个人学习研究，跑 AI 时使用。

Bash
uname    # Linux
uname -m # x86_64

下载 Miniforge 安装脚本：

Bash
curl -L -O "https://github.com/conda-forge/miniforge/releases/latest/download/Miniforge3-$(uname)-$(uname -m).sh"

执行脚本：

Bash
bash Miniforge3-$(uname)-$(uname -m).sh
  1. Enter 键查看协议
  2. 看完后同意协议输入 yes
  3. 提示默认装在 ~/miniforge3 目录，Enter 确定
  4. 提示 Conda 初始化，输入 yes

使得 Conda 生效：

Bash
source ~/.bashrc

检查：

Bash
conda --version # conda 26.3.2

查看 Conda 初始化详细信息

Bash
conda info

默认每次进入 WSL 都会激活 Conda base 环境，命令行用户名前面会有 (base) 提示，如果不喜欢可以取消

Bash
conda config --set auto_activate_base false

需要时，再激活

Bash
conda activate

查看渠道，默认只有 conda-forge

Bash
conda config --show channels
# channels:
#  - conda-forge

如果有多渠道，可以开启严格优先级，优先从开源免费社区 conda-forge 获取，避免版权问题

Bash
conda config --set channel_priority strict

改用 mamba 比 conda 会快很多

Bash
mamba --version
mamba deactivate
mamba activate
mamba install numpy
# 替代 conda
conda deactivate
conda activate
conda install numpy

pixi

pixi 和 uv 合作，使用 uv 的依赖解析器，Rust 编写，速度比 Miniforge 更快。适合

  • 追求极致的安装和切换速度的用户
  • 团队开发完整的 AI 工程项目，需要团队共享一致的依赖版本（锁定 pixi.lock），环境复现极其精准，开发体验类似 npm

了解即可，生态发展稳定后，可以考虑使用。

至此，Windows 上一个基础的 AI 开发环境就搭建完毕，开始 Coding 吧。

相关文章