大模型应用研发基础环境配置（Miniconda、Python、Jupyter Lab、Ollama等）

老牛同学之前使用的MacBook Pro电脑配置有点旧（2015 年生产），跑大模型感觉有点吃力，操作起来有点卡顿，因此不得已捡起了尘封了快两年的MateBook Pro电脑（老牛同学其实不太喜欢用 Windows 电脑做研发工作）。此文注意是记录配置新电脑的内容，一来给老牛同学留个备忘，同时也特别希望能给其他朋友一些帮助。

配置一台方便用于大模型应用研发的新电脑，最基础的需要包括以下配置内容：

1. Miniconda包管理工具的安装和配置（兼容pip）
2. Python虚拟环境配置（指定 Python 版本且无需单独下载 Python 安装）
3. Jupyter Lab Python 研发 WebIDE 配置
4. Ollama本地大模型管理软件的配置和应用
5. Ollama大模型 Web 界面对话客户端配置和使用

Miniconda 安装和配置

Miniconda和pip都是 Python 生态中的两个不同的包管理工具，它们都用于安装和管理 Python 包。但是在大模型相关的应用研发中，老牛同学推荐使用Miniconda的原因：

1. 包范围： Miniconda 通过 Conda 可以管理 Python 以及非 Python 包，而 pip 只管理 Python 包。
2. 环境管理： Miniconda 内置了环境管理功能，而 pip 需要与其他工具（如 virtualenv 或 venv）搭配使用以创建隔离的环境。
3. 包源： pip 通常从 PyPI 下载包，而 Conda 从 Anaconda Repository 或其他自定义设置的通道下载。
4. 包格式： Conda 使用自己的包格式(.conda 或.tar.bz2)，而 pip 使用 wheel 或源码形式。
5. 依赖解决： Conda 在安装包时会考虑到系统级别的依赖和包之间的依赖关系，而 pip 主要解决 Python 级别的依赖。

在实际使用中，由于Minionda可以很好地处理复杂的依赖关系和环境管理，它通常是首选工具。但是，如果只需要安装纯 Python 包，使用pip可能会更加简单直接。

第一步： 下载地址：https://docs.anaconda.com/miniconda/

根据操作系统，选择安装包，支持包括：Windows、MacOS 和 Linux 系统

第二步： 安装和配置：安装过程和普通软件没有两样，安装完成之后，我们配置 Python 环境：

老牛同学的安装目录是：D:\Software\miniconda3

因后面需要执行conda命令，因此提前把以下目录添加到系统环境变量中（变量名：Path）：

1. 安装目录：D:\Software\miniconda3
2. 脚本目录：D:\Software\miniconda3\Scripts
3. 依赖库目录：D:\Software\miniconda3\Library\bin

第三步： 设置 Conda 虚拟环境目录（可选）：默认情况下，虚拟环境内容在C:\盘，老牛同学 C 盘比较较小，就把它设置到D:\盘

打开 Termianl 终端，查看Conda基本信息：conda info

> conda info

     active environment : None
       user config file : C:\Users\obull\.condarc
 populated config files :
          conda version : 24.4.0
    conda-build version : not installed
         python version : 3.12.3.final.0
                 solver : libmamba (default)
       virtual packages : __archspec=1=x86_64_v3
                          __conda=24.4.0=0
                          __win=