00 · 学习路线与运行环境
学完本节，你会得到
- 一条适合自己的学习路线：概念轨、源码轨或真实运行轨。
- 对硬件限制的正确预期，不会把安装失败误认为“自己不适合学”。
- 一个可复用的环境检查清单。
先说结论：没有 GPU 也能学
这本书里的 13 个互动场景都是纯 HTML、CSS 与 JavaScript，可以直接在浏览器运行。源码阅读同样不需要 GPU。只有真正执行 nano-vLLM 推理时，才需要适配的 Linux、NVIDIA CUDA 环境以及能够安装 PyTorch、Triton 和 FlashAttention 的 Python 环境。
上游 pyproject.toml 当前声明 Python >=3.10,<3.13，并依赖 PyTorch、Triton、Transformers、FlashAttention 与 xxhash。教程建议使用独立虚拟环境：
bash
python3.11 -m venv .venv
source .venv/bin/activate
python -m pip install -U pip
pip install git+https://github.com/GeeeekExplorer/nano-vllm.git下载示例模型时，使用当前 Hugging Face CLI 的 hf download：
bash
pip install -U huggingface_hub
hf download Qwen/Qwen3-0.6B --local-dir ~/huggingface/Qwen3-0.6BWARNING
上游 README 曾使用 huggingface-cli download --resume-download。Hugging Face CLI 已演进为 hf 命令，本教程使用新写法。上游 issue #179 也记录了旧命令失效问题。
三条学习路线
| 路线 | 适合你 | 做法 |
|---|---|---|
| 概念轨 | 没有 GPU、第一次接触推理系统 | 完成互动实验、术语表和每章习题 |
| 源码轨 | 会 Python，想读懂架构 | 按章节打开对应文件，手画调用链 |
| 运行轨 | 有 CUDA 环境，想调试与改造 | 先跑 example.py，再加日志与 benchmark |
环境自检
仓库提供了 examples/check_runtime.py。它不会安装依赖，只会告诉你当前 Python、CUDA 和关键包是否可用：
bash
python examples/check_runtime.py把环境问题拆成四层：操作系统与驱动、CUDA 可见性、Python 包、模型文件。一次只验证一层，不要一口气重装所有东西。
HTML INTERACTIVE LAB00 · 学习路线与运行环境
单独打开 ↗课后习题等待完成
没有 NVIDIA GPU 时，最合理的学习方式是什么？
动手任务
运行 examples/check_runtime.py，把输出记录在学习笔记中，并标出你当前属于概念轨、源码轨还是运行轨。
下一节：第一次推理