在银河麒麟系统上安装CodeGeeX需通过Python生态部署CLI工具链，先验证Kylin V10 SP2+及Python 3.9+环境，创建虚拟环境并升级pip，安装适配海光/鲲鹏/飞腾平台的PyTorch，再选择源码构建、PyPI安装或离线wheel三种方式部署CLI，最后执行codegeex --help验证并初始化模型。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
在银河麒麟操作系统上安装CodeGeex，需绕过官方未提供Kylin专属包的限制，通过Python生态直接部署其CLI工具链，确保与系统预装的Python 3.9+及PyTorch CUDA/ROCm后端兼容。
确认系统环境与Python基础
打开终端，先验证Kylin版本和Python状态：
执行 cat /etc/os-release | grep -E "(VERSION_ID|ID)"，确认是Kylin V10 SP2或更新版本；
执行 python3 --version，输出必须 ≥ 3.9；
若无输出或版本过低，需先用APT安装：sudo apt install -y python3.9 python3-pip python3-venv。
【必须使用python3命令而非python】 麒麟OS桌面版默认未将python软链接至python3，直接调用python会触发Python 2.7报错，导致pip安装失败。
安装CodeGeex CLI核心依赖
第一步：创建隔离虚拟环境，避免污染系统Python包
执行 python3 -m venv ~/codegeex-env → 激活环境：source ~/codegeex-env/bin/activate
第二步：升级pip并安装编译工具链
执行 pip install --upgrade pip → 安装setuptools、wheel、cython：pip install setuptools wheel cython
第三步：安装适配海光/鲲鹏/飞腾平台的PyTorch
访问PyTorch官网，选择Linux → Pip → CUDA（若搭载海光DCU）或CPU（若为纯CPU环境），复制对应命令；
例如海光平台需运行：pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118；
【严禁直接pip install torch】 默认PyPI上的PyTorch不支持海光DCU指令集，会因so加载失败退出。
部署CodeGeex CLI工具
方法一：从GitHub源码构建（推荐用于信创合规审计场景）
执行 git clone https://github.com/THUDM/CodeGeeX.git → 进入目录：cd CodeGeeX → 安装：pip install -e .
方法二：安装PyPI发布的稳定版（适合快速验证）
执行 pip install codegeex；
若提示“no matching distribution”，说明当前PyPI未收录适配aarch64/loongarch64的轮子，必须退回方法一。
方法三：手动下载wheel包离线安装（适用于内网环境）
在有网机器上执行：pip download codegeex --no-deps --platform manylinux2014_x86_64 --abi cp39 --only-binary=:all:；
将生成的.whl文件拷贝至麒麟系统，运行：pip install --find-links ./ --no-index codegeex-*.whl。
验证与初始化配置
执行 codegeex --help，若显示命令列表即表示CLI已就绪；
运行 codegeex generate --model codegeex-6b --prompt "print('Hello Kylin')"，首次执行会自动下载6B模型权重到~/.cache/huggingface；
注意：模型下载需约12GB磁盘空间，且默认使用CPU推理——如需GPU加速，必须在PyTorch安装阶段启用CUDA支持，并确认nvidia-smi或rocm-smi可识别显卡。
