ROR幻X2025 笔记本AI开发环境搭建及调测指导书

iLearnAI ，2025-11-16 @深圳

本期介绍

ROG 幻 X 2025 笔记本电脑 搭载的 AMD 锐龙 AI Max+ 395 处理器拥有 16 核 32 线程、40 个 RDNA 3.5 计算单元的集成显卡，以及 50 TOPS 算力的 XDNA 2 架构 NPU，配合 128GB LPDDR5X-8000 统一内存，使其成为一台真正的移动 AI 算力和开发工作站。

本文基于 ROG 幻 X 2025 的硬件特性和大模型开发需求，将为您提供一份全面的开发环境搭建和简单的全流程 mini 模型训练项目指导书，从 0 基础，step by step 教大家 1 天学会模型训推。

当前网上很少有技术实战项目的具体指导，入手幻 X 2025 款后，两个周末实践输出本《基于 ROG 幻 X2025 算力硬件的 AI 开发环境搭建及调测指导书【初阶】》，希望对大家有所帮助！

如下是本指导书的内容大纲，0 基础情况下 step by step 可成功完成机器的 AI 开发环境搭建和调测，并通过一个 mini 训练测试项目实战，让初学者 1 天内入门！

推荐

ROG 幻 X2025 款笔记本电脑是华硕 2025 年的大作，能跑 DeepSeek 70B 大模型，集强大”个人算力 + 便携“ 一体化，是 AI 开发者、研究员、学生等 AI 开发学习的最佳利器！

摘要

ROG 幻 X 2025 搭载的 AMD 锐龙 AI Max+ 395 处理器拥有 16 核 32 线程、40 个 RDNA 3.5 计算单元的集成显卡，以及 50 TOPS 算力的 XDNA 2 架构 NPU，配合 128GB LPDDR5X-8000 统一内存，使其成为一台真正的移动 AI 工作站。

基于 ROG 幻 X 2025 的硬件特性和大模型开发需求，本文将为您提供一份全面的开发环境搭建指导书。本指导书将涵盖从底层驱动到上层应用的完整技术栈，确保您能够充分发挥硬件潜力。

1、硬件架构与系统要求

1.1 硬件规格概述

ROG 幻 X 2025 的核心硬件配置包括：

1. 处理器：AMD 锐龙 AI Max+ 395，16 核 32 线程，基于 Zen 5 架构，最高频率 5.1GHz，L2 缓存 16MB，L3 缓存 64MB
2. 集成显卡：Radeon 8060S，基于 RDNA 3.5 架构，40 个计算单元，2560 个流处理器，频率 2.9GHz，支持 256-bit 位宽
3. NPU：XDNA 2 架构，50 TOPS 算力，专为生成式 AI 优化
4. 内存：128GB LPDDR5X-8000 四通道统一内存，带宽 256GB/s，支持最高 96GB 动态显存分配
5. 硬盘：1T SSD

1.2 系统要求

操作系统要求：

• Windows 11 64-bit（版本 22H2 或更高）
• 推荐使用 Windows 11 专业版或工作站版，以获得完整的 AI 功能支持

硬件兼容性确认：

确保您的 ROG 幻 X 2025 已安装最新的 BIOS 版本。AMD 锐龙 AI Max+ 395 支持动态功耗调节（cTDP 45-120W），在进行大模型训练时建议连接电源适配器并设置为 "最佳性能" 模式

1.3 实验机详细信息

以下信息为 2025 年 11 月机器可更新的最新版本信息，相同或后面的版本应能正常安装：

设备名称：ROG 幻 X 2025 版

处理器：AMD RYZEN AI MAX+ 395 / Radeon 8060S (3.00 GHz)

机带 RAM： 128 GB (112 GB 可用)

系统类型：64 位操作系统, 基于 x64 的处理器

笔和触控：为 10 触摸点提供笔和触控支持

版本：Windows 11 家庭中文版

版本号：25H2

安装日期：2025/11/6

操作系统版本：26200.7171

体验：Windows 功能体验包 1000.26100.265.0

ADM 系 RYZEN AI MAX+ 395 / Radeon 8060S 芯片方案的机型，都基本能满足同类场景，理论上可以采用本指导书。

当前市面上能看到的有如下机型：（非广告，JD 随便查了一些）

• 惠普（HP）战 99 Ultra 高性能笔记本移动工作站 14 英寸 锐龙 AI MAX+ PRO 395 128G 2T 2.8K 触控 Win
• abee 迷你液冷 AI 工作站台式电脑主机 本地部署 存算一体（AMD 锐龙 AI Max+395/128G/2T/8060S）
• 惠普（HP）Z2 Mini G1a 工作站迷你台式主机 AMD 锐龙 AI MAX+ PRO 395/128G/2T/串口/2.5G 网口/WIFI 蓝牙/Win11H
• 希未（SEAVIV）AideaStation R1 2025 锐龙 AI Max+395/385 迷你主机大模型微型工作站台式机 8060s 游戏设计办公电脑 锐龙 AI MAX+395 丨 128G+2T
• morefine 摩方 MOREFINE H1 2025 新品 AMD 锐龙 AI Max+ 395 迷你主机电脑 mini AI PC 台式机 8060s 集显 PC AMD Ryzen™ AI MAX+PRO 395 128GB + 2TB SSD
• …更多产品支持中…

2、基础开发环境准备

2.1 系统更新与驱动程序安装

系统的更新，芯片的驱动更新，方法多样，可参考如下步骤。

2.1.1 Windows 更新【必选】

确保系统已安装所有最新更新，包括 Windows Update 和可选更新。这将确保系统具备最新的安全补丁和硬件支持。

更新结果参见 1.3 章节，最新的即可，一般 2025 年 11 月之后的最新版本都行。

2.1.2 芯片组驱动安装【必选】

访问华硕官方网站下载最新的芯片组驱动程序。由于 ROG 幻 X 2025 采用Strix Halo 小芯片设计（两个 CCD + 一个 IOD），需要安装专门的芯片组驱动以确保各组件间的高效通信。

建议：直接在 AMD 官网安装 AMD Software: Adrenalin Edition，可以方便的管理各类驱动，如下图示：

2.1.3 显卡驱动安装【必选】

1. 访问 AMD 官方驱动下载页面：https://www.amd.com/zh-cn/support/download/drivers.html
2. 选择 "锐龙 AI 处理器" 类别，找到对应型号的驱动程序

3. 进入下载页面：https://www.amd.com/zh-cn/support/downloads/drivers.html/processors/ryzen/ryzen-ai-max-series/amd-ryzen-ai-max-plus-395.html
4. 下载并安装最新的 Adrenalin 驱动程序-Adrenalin 25.11.1 (WHQL Recommended)，确保包含 ROCm 支持组件。

5. 安装，点击下载的安装包 whql-amd-software-adrenalin-edition-25.11.1-win11-nov.exe，自动检测系统：

安装如下最新版本：

安装过程因刷新显卡驱动，会屏幕闪烁几次。

完成后，重启系统。

2.1.4 NPU 驱动安装【必选】

AMD 锐龙 AI 处理器的 NPU 驱动集成在主驱动包中。安装完成后，您可以通过以下方式验证 NPU 是否正常工作：

同时按下“win + R”，打开运行框：

# 输入命令
devmgmt.msc

在 "系统设备" 类别下应能看到 "Neural Processing"，且无感叹号或问号标记。

检查第一个子节点 Neural processors 的 NPU 信息，若出现如下则为正常：

2.2 必备开发工具安装

2.2.1 常用工具必要性介绍

【文中相关的软件工具我基本都安装！】

对于 幻 X 2025（Windows 11 系统） 进行大模型 / AI 应用开发，Git 是 “强烈建议必须安装” 的核心工具，而 Winget 是 “推荐安装” 的高效辅助工具—— 前者直接关系到开发协作、版本管理和代码获取，后者能大幅提升开发环境搭建效率，二者并非绝对 “强制”，但缺失会显著增加开发成本。以下结合大模型 / AI 开发的具体场景，一些工具的需求分析：

| 工具 | 是否必须？ | 核心价值
（大模型 / AI 开发场景） | 替代方案

如下章节是基础知识扫盲，熟悉的同学可跳过。

1、为什么 Git 对大模型 / AI 开发至关重要？

大模型 / AI 应用开发的核心流程（环境搭建 → 模型获取 → 代码开发 → 协作部署）中，Git 几乎贯穿全程，缺失会导致效率断崖式下降：

场景 1：获取开源大模型 / 框架代码（最高频场景）

大模型开发很少从零开始，几乎都会基于开源生态（如 Hugging Face、GitHub）：

• 例 1：想基于 PyTorch 开发大模型微调脚本，需要拉取 PyTorch 官方示例代码：git clone https://github.com/pytorch/examples.git
• 例 2：想使用 Hugging Face 的 LLaMA 2、Qwen 等开源模型，需要通过 Git 拉取模型权重配置（或通过 git-lfs 管理大文件权重）：git clone https://huggingface.co/Qwen/Qwen-7B-Chat
• 例 3：想复用他人的 AI 应用脚手架（如 RAG 知识库、AI 绘画工具），直接 git clone 仓库即可快速启动开发，无需手动复制粘贴代码。

替代方案的痛点：若不装 Git，只能手动点击 GitHub/Hugging Face 的 “Download ZIP” 下载代码，但无法：

• 快速同步代码更新（比如框架修复 Bug 后，需重新下载完整压缩包）；
• 管理大模型权重文件（大模型权重多为 GB 级，git-lfs 是行业标准的大文件管理方案，手动下载易中断、易出错）；
• 切换代码版本（比如需要测试框架的 1.0 版本 vs 2.0 版本，手动切换需反复下载）。

场景 2：代码版本管理（AI 开发核心需求）

大模型 / AI 应用开发的 “试错成本极高”，版本管理是刚需：

• 微调大模型时：修改学习率、 batch size、模型结构后，需要回溯 “哪个版本的代码训练出的效果最好”——Git 的分支（branch）、提交（commit）功能可精准记录每一次修改，随时回滚；
• 多轮实验时：用 Git 分支隔离不同实验（如 exp-lr-1e-5、exp-batch-32），避免代码混乱，还能对比不同分支的实验结果；
• 防止代码丢失：将代码推送到 GitHub/GitLab 远程仓库，即使幻 X 2025 本地磁盘损坏，也能快速恢复。

替代方案的痛点：无（或极难替代）。手动备份代码（如 “代码 v1.docx”“代码最终版 v2.zip”）会导致：

• 无法追溯修改记录（不知道谁改了、改了什么、为什么改）；
• 实验结果与代码版本无法对应（忘了 “效果最好的模型” 是用哪个版本的代码训练的）；
• 多人协作时，代码合并会变成 “灾难”（比如两人同时修改同一文件，手动合并易丢代码）。

场景 3：协作开发（团队 / 开源贡献场景）

若你是团队开发（如多人共建 AI 产品）或想给开源大模型 / 框架贡献代码：

• 团队协作：通过 Git 远程仓库（GitHub/GitLab）同步代码，用 Pull Request（PR）审核代码，用 Issue 跟踪开发任务，是行业标准流程；
• 开源贡献：想给 Hugging Face Transformers、LangChain 等 AI 框架提交 Bug 修复或新功能，必须通过 Git Fork 仓库 → 分支开发 →PR 提交，无 Git 则无法参与。

替代方案的痛点：完全无法高效协作。只能通过微信 / 邮件传输代码文件，合并时需逐行对比，效率极低且易出错。

2、Winget 对大模型 / AI 开发的价值（推荐但非必须）

Winget 是 Windows 11 内置的包管理器（类似 Linux 的 apt、Mac 的 brew），核心价值是 “简化开发环境搭建”，大模型 / AI 开发中需要安装大量依赖，Winget 能大幅省时间：

场景 1：一键安装开发核心依赖（高频场景）

大模型 / AI 开发需要安装的工具 / 软件：

• 编程语言：Python（大模型开发核心）、Node.js（AI 前端应用）；
• 开发工具：VS Code（AI 开发主流 IDE）、Git（前文提到的核心工具）、Anaconda（Python 环境管理）；
• 底层依赖：CUDA（NVIDIA GPU 加速，大模型训练 / 推理必备）、CMake（编译 C/C++ 扩展，如 PyTorch 依赖）。

用 Winget 安装的优势（以管理员身份打开终端）：

• 一键安装，无需手动找官网下载：

# 安装 Python 3.13（大模型开发推荐版本）
winget install Python.Python.3.13 

# 安装 VS Code
winget install Microsoft.VisualStudioCode  

# 安装 Git 
winget install Git.Git  

# 安装 CUDA 12（幻X 2025 若带 RTX 显卡必装）
winget install NVIDIA.CUDA.Toolkit.12

• 统一版本管理：

# 升级 Python 3.13
winget upgrade --id Python.Python.3.13

可快速更新 Python，避免手动卸载旧版本、安装新版本的麻烦。

• 批量安装：把需要的工具列成脚本，一键完成所有依赖安装，适合重装系统后快速恢复环境。

替代方案的痛点：手动安装需逐个打开官网 → 找对应版本（如 Python 3.11.8，而非 3.12 测试版）→ 点击安装 → 配置环境变量，步骤繁琐且易出错（比如忘记勾选 “Add Python to PATH”，导致终端无法调用 Python）。

场景 2：快速补充开发辅助工具

大模型 / AI 开发中可能需要的辅助工具：

• 终端工具：Windows Terminal（比默认 CMD 好用）、Oh My Posh（终端美化，方便查看 Git 分支）；
• 容器工具：Docker（部署 AI 应用、隔离模型环境）、Docker Desktop；
• 文档工具：Obsidian（管理开发笔记、实验记录）。

用 Winget 安装无需搜索官网，直接终端执行命令：

winget install Microsoft.WindowsTerminal
winget install JanDeDobbeleer.OhMyPosh
winget install Docker.DockerDesktop

替代方案的痛点：手动下载需区分 “稳定版 / 测试版”“x64/x86”，尤其是 Docker、CUDA 等工具，版本不匹配会导致后续大模型部署失败。

场景 3：卸载冗余工具（清理环境）

大模型开发中可能安装多个版本的依赖（如 Python 3.10 和 3.11），用 Winget 可快速卸载冗余版本：

winget uninstall Python.Python.3.10

避免手动卸载不彻底（如残留环境变量、安装目录），导致后续环境冲突。

3、什么时候可以不装？

1） 不装 Git 的唯一合理场景

• 你是纯单机开发，且从不使用开源代码（完全从零手写所有代码，包括大模型框架、模型权重）；
• 不需要版本管理（开发任务极简单，如单文件的 AI 小脚本，无需回溯修改）；
• 完全不协作（仅自己用，无需分享代码）。

注意：即使是单机开发，大模型权重（如 GB 级的 .bin 文件）的管理仍需要 git-lfs，手动下载和备份的成本远高于安装 Git。

2） 不装 Winget 的合理场景

• 你对 Windows 环境搭建非常熟悉，能快速手动找到对应版本的安装包，且能正确配置环境变量；
• 开发环境长期不变，无需频繁安装 / 更新工具；
• 偏好其他包管理器（如 Chocolatey、Scoop），或用 Anaconda 管理所有 Python 相关依赖。

4、最终建议（针对幻 X 2025 大模型 / AI 开发）

• Git 必装：无论你是单机开发还是团队协作，是使用开源代码还是从零手写，Git 的版本管理、代码获取功能都是大模型 / AI 开发的 “基础设施”，缺失会导致开发效率和可维护性大幅下降，建议优先安装（可通过 Winget 一键安装：winget install Git.Git）。
• Winget 推荐装：幻 X 2025 预装 Windows 11，内置 Winget（若未启用，可在 Microsoft Store 搜索 “App Installer” 更新），安装后能节省 80% 的环境搭建时间，尤其适合需要频繁切换开发环境、安装多个依赖的场景，新手强烈建议启用。

2.2.2 安装 Winget 包管理器【默认已安装】

2.2.2.1 Winget 工具介绍

Winget 是微软官方推出的命令行包管理器，用于快速安装、升级和卸载 Windows 应用，无需手动下载安装包，全程自动化完成，且软件源均为官方可信渠道。

2.2.2.2 Winget 适用环境

操作系统：Windows 10 1709 及以上版本、Windows 11（需确保系统已启用 Winget）

核心工具：Winget 包管理器（Windows 自带，无需额外下载，仅需验证启用）

1. 安装前准备

确认 winget 环境可用：winget 仅支持 Windows 10 1809 及以上版本、Windows 11 系统。若未安装 winget，可在微软商店搜索 “App Installer” 安装。安装后可在 PowerShell 或命令提示符中执行 winget --version，输出版本号即代表环境正常。

2.2.2.3 验证 Winget 是否已安装

Winget 包管理器，正常情况下是 Windows 自带，无需额外下载，但为了防止非官方 OS,可先验证是否已安装。

1. 打开命令行工具

方法 1：按下 Win + R 键，输入 cmd，点击「确定」，打开 命令提示符（CMD）。

方法 2：按下 Win + S 键，搜索「终端」，打开 Windows 终端（推荐，支持 CMD/PowerShell 模式）。

2. 检查 Winget 版本

在命令行中输入以下命令，按下回车：

winget –version

返回如下：

结果判断：

• 若输出类似 v1.12.350 的版本号，说明 Winget 已安装，直接跳过下一步骤。
• 若提示「'winget' 不是内部或外部命令，也不是可运行的程序或批处理文件」，说明 Winget 未安装或未启用，需执行后面的安装步骤。

2.2.2.4 启用 / 安装 Winget（若未安装）

1. 通过 Microsoft Store 安装（推荐）

1. 按下 Win + S 键，搜索「Microsoft Store」，打开应用商店。
2. 在应用商店搜索框中输入「App Installer」，找到官方发布的「App Installer」（开发者为 Microsoft Corporation）。
3. 点击「获取」或「安装」，等待安装完成（Winget 已集成在 App Installer 中）。
4. 安装完成后，关闭并重新打开命令行工具，再次执行 winget --version 验证是否生效。

2. 备选方案：通过 GitHub 安装（适用于无法访问 Microsoft Store）

1. 打开 Winget 官方 GitHub 发布页（微软可信链接）：https://github.com/microsoft/winget-cli/releases
2. 下拉找到最新版本的「Assets」（资产），下载后缀为 .msixbundle 的文件，如 Microsoft.DesktopAppInstaller\_8wekyb3d8bbwe.msixbundle。
3. 双击下载的 .msixbundle 文件，按照提示完成安装（无需额外配置）。
4. 安装完成后，重新打开命令行工具，执行 winget --version 验证。

2.2.3 使用 Winget 安装 Git【必选】

2.2.3.1 Git 工具介绍

Git.Git 是 winget 包管理器中收录的 官方标准 Windows 版 Git，是面向普通开发场景的主流 Git 分发版本，由 Git 官方维护并同步更新。

2.2.3.2 Git 适用环境

1. 安装前准备

1. 确认 winget 环境可用：winget 仅支持 Windows 10 1809 及以上版本、Windows 11 系统。若未安装 winget，可在微软商店搜索 “App Installer” 安装。安装后可在 PowerShell 或命令提示符中执行 winget --version，输出版本号即代表环境正常。
2. 区分 Git 版本避免装错：winget 仓库中有 Git.Git（常规 Windows 版 Git）和 Microsoft.Git（适配单体仓库场景的特殊版本）。普通开发场景建议安装前者，避免执行 winget install --id=microsoft.git -e 导致安装不符合需求的版本，推荐用精准命令 winget install --id Git.Git -e --source winget 锁定常规版本。
3. 预留足够磁盘空间：Git 安装包约 50M，安装后完整运行需占用数百兆空间。若 C 盘空间紧张，后续安装步骤中可手动修改路径至其他磁盘，且路径需避免中文字符和空格，防止命令执行时出现路径识别错误。

2.2.3.3 验证 Git 是否已安装

验证 Git.Git（winget 安装的官方 Windows 版 Git）是否成功安装，核心是通过命令行检测版本 + 环境变量可用性，以下是 3 种常用且高效的验证方法，按优先级排序：

方式一、最核心验证：命令行直接检测（推荐）

这是最准确的验证方式，能同时确认 “Git 已安装” 和 “环境变量配置正常”（避免安装成功但无法全局调用的问题）：

1. 打开终端工具：任意选择「命令提示符（CMD）」「PowerShell」「Windows Terminal」（无需管理员权限）；
2. 执行验证命令：输入以下命令并回车：

Microsoft Windows [版本 10.0.26200.7171]
(c) Microsoft Corporation。保留所有权利。
PS C:\Users\hechu> git --version

3. 判断结果：

❌ 未安装 / 配置失败：提示「'git' 不是内部或外部命令，也不是可运行的程序或批处理文件」，需按后文排查。如下图示：

✅ 成功安装：终端输出类似 git version 2.49.0.windows.1 的版本信息（版本号随安装版本变化），说明 Git.Git 已安装且环境变量生效。如下图示：

方式二、补充验证：通过 winget 查询已安装列表

若想确认 Git.Git 是否被 winget 正确识别为已安装包，可执行：

1. 开终端，输入命令：

Microsoft Windows [版本 10.0.26200.7171]
(c) Microsoft Corporation。保留所有权利。
PS C:\Users\hechu> winget list --id Git.Git

2. 判断结果：

❌ 未安装：显示「未找到匹配的已安装包」（可能是安装失败，或手动卸载后 winget 未同步状态）。如下图示：

✅ 已安装：终端会显示 Git.Git 的名称、版本号、安装路径等信息；如下图示：

2.2.3.4 检查官方 Git.Git（若未安装）

1、搜索 Git 官方包（可选，确认包名）

在命令行中输入以下命令，搜索 Git 的官方安装包：

| Microsoft Windows [版本 10.0.26200.7171]
(c) Microsoft Corporation。保留所有权利。

输出类似以下信息，确认存在「Git」官方包（ID 为 Git.Git，开发者为 Git For Windows）：

预期结果：

2.2.3.5 安装 Git.Git（若未安装）

1、使用 winget 包管理器安装 Git

| Microsoft Windows [版本 10.0.26200.7171]
(c) Microsoft Corporation。保留所有权利。

命令说明：

--id Git.Git：锁定官方版 Git 的唯一标识，确保安装正确；

-e：强制安装 “精确匹配” 的包，避免版本混淆；

--source winget：指定从微软官方 winget 仓库下载，安全可靠。

2、等待下载并完成图形化配置

执行命令后，winget 会自动下载 Git 安装包（约 50M，速度取决于网络），无需手动操作；

下载完成后，会自动弹出 Git 的图形安装界面（这是 Git 官方的常规配置界面，必须手动设置），如下图：

推荐配置如下：

3、全部配置完成后，点击「Install」，等待 1-2 分钟即可安装成功。

4、检查是否安装成功，参见前面步骤。

安装完成后，需要重新启动一下 CMD 窗口，不然环境变量不生效，还提示未安装。重启查询如下结果，表示安装成功：

2.2.4 安装 Python【必须】

2025 年 11 月一定要使用 Python 3.13，许多 AI 框架对 3.10 + 有更好的支持，但 Python 3.14 安装后再安装 ROCm-Windows 时会出错（已实验），退回到 Python 3.13 时就能正常成功安装 ROCm-Windows。

2.2.4.1 检查最新的 Python 版本

打开 CMD 窗口，查询命令：

| Microsoft Windows [版本 10.0.26200.7171]
(c) Microsoft Corporation。保留所有权利。

返回如下结果：

从查询的结果里，挑选最新的版本即可。如上结果，当前最新的 Python 版本是 3.14，但不建议安装太新的，因为 ROCm-windows 的适配可能会慢上一个节拍，所以按我实践的结果看，在 2025 年 11 月前后，建议安装 Python 3.13 版本。

注意：

从 Python 官网（https://www.python.org/downloads/）查询结果如下：

里面有一个 3.15 pre-release 版本，一般情况下不要选这个版本，它是一个最新的预览版本，一般会有一些 bug，建议用最新的正式发布的 3.13 bugfix 的正式版本。

检查是否已安装 Python

在安装前，可先检查系统是否已经安装了 Python，可在 CMD 窗口执行如下命令：

| Microsoft Windows [版本 10.0.26200.7171]
(c) Microsoft Corporation。保留所有权利。

若没有安装过 Python，则会返回如下信息：

若已安装了 Python ,则会返回如下信息：

2.2.4.2 安装 Python 3.13 版本

可在 CMD 窗口执行如下命令：

| Microsoft Windows [版本 10.0.26200.7171]
(c) Microsoft Corporation。保留所有权利。

安装过程说明

Winget 会自动下载安装包并运行，无需手动操作；

安装完成后，会自动配置环境变量（默认勾选 “Add Python to PATH”）。

验证安装结果

1. 检查 Python 版本：在终端执行以下命令，若显示版本号则安装成功：

运行

| Microsoft Windows [版本 10.0.26200.7171]
(c) Microsoft Corporation。保留所有权利。

若返回输出：Python 3.13，则表示安装成功。

注意：需要重启CMD窗口，以应用环境变量，重启后再检查，如下：

2. 检查 pip 工具：Python 自带包管理工具 pip

执行：

| Microsoft Windows [版本 10.0.26200.7171]
(c) Microsoft Corporation。保留所有权利。

若返回输出类似：pip 25.2 from ...\Pyython312\Lib\site-packages\pip (python 3.13)，表示成功。如下图示：

2.2.4.3 Python 相关的辅助工具

在 Python 开发中，PIP 和 virtualenv 是核心工具：PIP 负责管理 Python 包（安装 / 升级 / 卸载），virtualenv 负责隔离项目依赖环境。二者结合能解决 “包版本冲突”“环境污染” 等问题，尤其对大模型 / AI 开发至关重要（需大量依赖且版本敏感）。

如下章节是基础知识扫盲，熟悉的同学可跳过。

PIP：Python 的包管理器

1. 什么是 PIP？

PIP（Pip Installs Packages）是 Python 官方的包管理工具，相当于 Python 的 “应用商店”—— 用于从 PyPI（Python Package Index，Python 包索引） 下载、安装、升级和卸载第三方库（如 PyTorch、TensorFlow、transformers 等）。

Python 3.4+ 版本已默认内置 PIP，无需手动安装。

2. PIP 的核心功能（大模型 / AI 开发高频场景）

（1）安装第三方库

这是最常用功能，例如：

• 安装大模型框架：pip install torch（PyTorch）、pip install tensorflow（TensorFlow）；
• 安装 Hugging Face 工具：pip install transformers（大模型微调 / 推理）、pip install datasets（数据集处理）；
• 安装辅助库：pip install numpy pandas（数据处理）、pip install requests（网络请求）。

指定版本安装（避免新版本兼容性问题）：

运行

# 安装 PyTorch 2.1.0 版本
pip install torch==2.1.0  
# 安装 4.30.0 及以上版本
pip install transformers>=4.30.0

（2）升级已安装的库

运行

# 升级 transformers 到最新版
pip install --upgrade transformers  
# 升级 PIP 本身（建议定期更新）
pip install -U pip

（3）查看已安装的库

运行

# 列出当前环境所有已安装库及版本
pip list   
# 查看特定库的详细信息（安装路径、依赖等）
pip show torch

（4）卸载库

运行

# 卸载 numpy 库（需确认 y/n）
pip uninstall numpy

（5）导出 / 导入依赖清单

开发中需记录项目依赖，方便他人复现环境：

• 导出依赖到文件：pip freeze > requirements.txt（生成 requirements.txt，包含所有库及版本）；
• 导入依赖：pip install -r requirements.txt（一键安装清单中的所有库，大模型项目协作必备）。

3. PIP 的注意事项

• 镜像源加速：国内访问 PyPI 较慢，可使用清华镜像源：

运行

pip install torch -i https://pypi.tuna.tsinghua.edu.cn/simple

或配置永久镜像（修改 pip.conf 文件）。

• 权限问题：

避免用 sudo pip（Linux/macOS）或管理员权限安装，可能污染系统环境（推荐结合 virtualenv 使用）。

virtualenv：Python 的虚拟环境工具

1. 为什么需要 virtualenv？

Python 默认使用全局环境—— 所有项目共享一套库。若不同项目依赖同一库的不同版本（如 A 项目需 torch==2.0，B 项目需 torch==2.1），会导致版本冲突，项目无法运行。

virtualenv 的核心作用是：为每个项目创建独立的虚拟环境，环境间相互隔离，各自管理依赖包，彻底解决 “全局环境污染” 问题。

2. virtualenv 的核心功能

（1）创建虚拟环境

首先需安装 virtualenv：

运行

然后为项目创建虚拟环境（以大模型项目为例）：

运行

# 进入项目目录
cd e:/aiproject/ROGx2025AIproject
# 创建名为 rocm_env的虚拟环境
virtualenv rocm_env

执行后会在项目目录下生成 rocm\_env 文件夹，包含独立的 Python 解释器、PIP 和库目录。

（2）激活虚拟环境

创建后需激活才能使用（不同系统命令不同）：

Windows：

运行

# cmd 终端
rocm_env\Scripts\activate  
# PowerShell 终端（需允许执行脚本）
rocm_env\Scripts\Activate.ps1

激活后终端前缀会显示 (rocm\_env)，表示已进入虚拟环境，此时安装的库仅作用于该环境。

（3）退出虚拟环境

运行

（4）删除虚拟环境

直接删除项目目录下的 rocm\_env 文件夹即可（无需额外命令）。

3. virtualenv 的进阶用法（大模型开发实用）

（1）指定 Python 版本创建环境

若系统安装了多个 Python 版本（如 3.10 和 3.11），可指定版本创建环境：

运行

# 使用 Python 3.11 创建环境
virtualenv venv --python=python3.11

（2）结合 requirements.txt 复用环境

在虚拟环境中导出依赖：

运行

在新环境中导入：

运行

4. 替代工具：venv 和 conda

• venv：Python 3.3+ 内置的轻量级虚拟环境工具（无需额外安装），用法与 virtualenv 类似（python -m venv venv），功能稍简单但足够日常使用。
• conda：Anaconda 自带的环境管理工具，支持跨语言包管理（如 C/C++ 库），适合依赖复杂的大模型项目（如需 CUDA 依赖）。

PIP + virtualenv 的协同使用场景（大模型开发示例）

假设你需要同时开发两个项目：

1. 项目 A：基于 PyTorch 2.0 微调 LLaMA 2；
2. 项目 B：基于 PyTorch 2.1 开发 RAG 应用。

操作流程：

运行

# 项目 A：

cd ~/AI_project/project_A
virtualenv venv_A
venv_A\Scripts\activate  # Windows
pip install torch==2.0 transformers==4.28  # 安装指定版本
pip freeze > requirements.txt  # 保存依赖

# 项目 B：

cd ~/AI_project/project_B
virtualenv venv_B
venv_B\Scripts\activate
pip install torch==2.1 transformers==4.35  # 安装更高版本
pip freeze > requirements.txt

两个项目依赖完全隔离，不会互相干扰。

总结

• PIP：Python 的 “包管家”，负责安装 / 管理第三方库，是使用任何 Python 框架（包括大模型工具）的基础。
• virtualenv：Python 的 “环境隔离舱”，解决多项目版本冲突问题，是协作开发和环境复现的必备工具。

对于大模型 / AI 开发，二者是标配 —— 大模型框架（如 PyTorch、transformers）版本迭代快，且依赖链复杂，用 virtualenv 隔离环境、PIP 管理依赖，能大幅减少环境配置问题，提升开发效率。

升级 pip 到最新版

运行：

安装虚拟环境工具（用于隔离项目依赖）

运行：

Python 可以同时安装多个版本，一般不建议同时安装多个版本。若安装了多个 Python 版本，需指定默认版本：

原因：若同时安装 Python 3.11 和 3.12，系统会优先识别环境变量中排在前面的版本；

解决步骤：

在环境变量的 Path 中，将目标版本（如 3.12）的路径上移到其他 Python 版本之前；

若需区分调用，可在 Python 安装目录下将 python.exe 复制并重命名为 python312.exe，通过 python312 --version 精准调用对应版本。

包管理工具更新：

虚拟环境工具：

建议使用 conda 或 venv 创建隔离的开发环境：

安装 conda（推荐）

或使用 venv

2.2.4.4 安装 Anaconda

【virtualenv 和 Miniconda/Anaconda都是虚拟环境的隔离管理，可结合自己的熟悉情况选其一，两者都安装也可以（本人更觉得 Miniconda 顺手）】

ROG 幻 X2025 的 Radeon 8060S 显卡属于 gfx1151 架构，刚好适配 ROCm7 预览版，若要在纯 windows 环境下使用 AI 开发框架，安装 Miniconda/Anaconda 用于 Python 环境管理，同时安装 Git 工具（用于后续 ComfyUI 等工具的克隆）。

按下 Win+R，输入 cmd 或 powershell,打开命令窗口，执行命令：

检查 最新的 Anacobnda 版本：

执行命令：

下载并安装 Anaconda.Miniconda3：

如下为安装成功信息：

需要检查和配置环境变量，右键此电脑 → 属性 → 高级系统设置 → 环境变量，增加如下内容：

执行 conda –version，如下信息表示安装成功：

2.2.5 安装 Visual Studio 2026

【若想在纯 windows 环境下做 AI 开发（不想基于 WSL 装一个虚拟的 Ubuntu），需要 ROCm-windows，ROCm-windows 依赖 Visual Studio 2022 及以上版本的 C++ 等库，所以要 必选】

已验证，Visual Studio 2026 社区版 已能很好的支撑 ROCm（7）-windows。

ROG 幻 X2025 的 Radeon 8060S 显卡属于 gfx1151 架构，刚好适配 ROCm7 预览版，若要在纯 windows 环境下使用 AI 开发框架，要安装 Visual Studio 2026 社区版并勾选 “C++ 桌面开发” 模块，确保包含 msvc、C++ CMake、Windows 11 SDK 等组件。

如下是安装 Visual Studio 2026 社区版过程：

1. 下载安装包：

到官网：https://visualstudio.microsoft.com/zh-hans/downloads/，如下图：

点击“Community“下方的“免费下载”按钮，下 载在线安装包：VisualStudioSetup.exe，运行 VisualStudioSetup.exe，如下图示：

2. 配置模块：

以下选项界面，要认真的找到，并勾选 “C++ 桌面开发” 模块，确保包含 msvc、C++ CMake、Windows 11 SDK 等组件的安装：

3. Visual Studio Installer 是边下载边安装：

如下的安装过程，有几十个 G 的包大小，接合自己电脑的网络带宽，可能需要较长时间：

出现如上的结束界面，就说明安装成功。

安装后的检查

1、检查 C++ CMake 是否安装好：

重新打开CMD，输入：

若返回如下，则安装成功：

若返回：非内部命令，则可能是环境变量没有配置，请安如下步骤配置：

• 右键 “此电脑”→“属性”→“高级系统设置”→“环境变量
• 在 “系统变量” 列表中找到 Path，双击打开
• 检查是否包含路径：D:\ProgramFiles\MicrosoftVisualStudio\18\Community\Common7\IDE\CommonExtensions\Microsoft\CMake\CMake\bin（这个目录为安装 vs2026 时配置界面里，设计的安装路径，对应的 CMake 的目录）
• 若不包含，请击 “新建” 添加上述路径，保存后重启终端重试步骤 1。

3、AI 开发框架安装与配置

3.1 AI 开发框架选型方案

Windows 环境下的 AI 开发框架有几个选择：

1. 方案 1：对于 Windows 系统，需要使用 WSL 系统中安装 ROCm 环境；
2. 方案 2：纯 windows 环境中，使用 PyTorch DirectML（推荐，Windows 原生支持），DirectML 是 AMD 为 Windows 提供的机器学习加速库，PyTorch 通过 torch-directml 插件支持 AMD 显卡（包括核显 / 独显），无需依赖 ROCm，操作简单；
3. 方案 3：纯 windows 环境中，ROCm-Windows 预览版，AMD 已推出 ROCm for Windows 预览版，仅支持部分显卡（如 RX 7900 XTX、Instinct MI 系列），步骤较复杂且兼容性有限，适合开发者测试。

几种方案的性能对比：

1. WSL 的 Ubuntu 系统中安装 ROCm 环境，性能和 Linux 相当，但 WSL 在开发体验上不佳，熟悉 windows 的用户存在切换开销；
2. DirectML 方案兼容性好，但性能略低于原生 ROCm（适合轻量级推理 / 微调）；
3. ROCm-Windows 预览版性能接近 Linux，但仅支持高端显卡，稳定性待优化【本指导书推荐的终极方案，对熟悉 windows 的开发人员最友好】。

注：ROG 幻 X2025 的 Radeon 8060S 显卡属于 gfx1151 架构，刚好适配 ROCm7 预览版，聚焦 Windows 原生环境，无需 WSL。

本指导书 是采用方案 3，用最新的 ROCm-windows 方案，下面是具体的安装过程指导。

3.2 安装 ROCm7 预览版 + PyTorch 套件

ROCm-windows 是 Python 项目的基础依赖库，以环境隔离的原则，最好安装在项目对应的虚拟环境里。不建议默认安装在基础/公共环境中。

如下是项目（以本调测指导书创建的 ROGx2025AIproject 工程项目 为例）和虚拟环境的介绍：

AI 学习工作项目空间：我们在 E：盘建立一个目录 aiproject，用于存放未来所有的 AI 学习项目；

建立一个当前要开展的项目：我们在 aiproject 目录下面，建立一个 ROGx2025AIproject，本指导书后面的学习项目，都在这个项目空间里；

创建隔离的虚拟环境：有了这个项目，我们就可以为这个项目创建一个隔离的虚拟环境 rocm\_env

如下是项目的空间：

PS E:\> tree
卷 WorkSpace 的文件夹 PATH 列表
卷序列号为 xxxx-xxxx
E:.
├─aiProject
│  └─ROGx2025AIproject
│      └─PythonTest

相关的命令如下：

#  创建AI学习工作项目空间目录aiproject
md  aiproject
#  查一下是否创建成功
dir
#   在其中，再创建一个当前要开展的项目 ROGx2025AIproject
# 先进入aiproject目录
md ROGx2025AIproject
#  查一下是否创建成功
dir

如下是上面命令的过程图示：

有了项目目标，接下来详细安装 ROCm-windows 的步骤

第一步：创建独立 Python 虚拟环境

使用前面安装的 Miniconda 创建隔离环境，避免依赖冲突，操作如下：

1. 打开 Miniconda Prompt，输入以下命令创建名为 rocm\_env 的虚拟环境，指定 Python 3.13（ROCm7 预览版适配 3.11 - 3.13 版本，强烈建议安装 3.13，3.14 版本还存在兼容性问题！）：

| # 命令创建名为 rocm_env 的虚拟环境，指定 Python 3.13

实际过程如下图示，一些询问和确认 y 后，一系列的下载和安装

安装好虚拟环境后，要激活创建的虚拟环境：

| # 激活创建的虚拟环境

在激活虚拟环境后，注意如下提示符的变化：从（base） 变成 （rocm-env）

第二步：安装 ROCm7 预览版 + PyTorch 套件（torch、torchaudio、torchvision）

ROCm - Windows 预览版无需单独安装 ROCm toolkit，通过 AMD 预览版仓库可一键安装适配的 PyTorch 套件（内置 ROCm 相关依赖），Radeon 8060S 对应 gfx1151 架构，操作如下：

1. 在激活的 rocm\_env 环境中，执行以下命令安装适配的 torch、torchaudio、torchvision（自动关联 ROCm7 版本）：

| # 激活创建的虚拟环境
condaactivate rocm_env

安装 ROCm7 预览版 +PyTorch套件，常用的包括三个：torchtorchaudio torchvision

注意：https://rocm.nightlies.amd.com/v2/gfx1151/，gfx1151参数不能错了！

命令参数逐行拆解

2．安装过程，会下载很多以来的组件，等待安装完成，该命令会自动下载并配置 ROCm 相关依赖，无需手动设置驱动关联。

第三步、验证 ROCm 安装有效性：

安装后通过多条命令验证显卡识别和 ROCm 可用性，确保后续 AI 任务正常运行：

1. 验证 GPU 是否被 PyTorch 识别：

如下图，若输出 True，说明 ROCm 环境生效；若为 False，需检查驱动版本和安装命令。

2. 查看显卡型号是否正确识别：

如下图，正常情况下会输出 Radeon 8060S 相关信息，说明 ROCm 环境生效。

3.3 大模型推理框架安装

基于 Radeon 8060S（gfx1151 架构）和 XDNA 2 NPU 特性，以下整合 vLLM（ROCm 加速推理）、sentencepiece（分词）、einops（张量操作）、ONNX Runtime（NPU 加速）的完整安装与验证方案，适配 Windows 原生环境。

前置环境确认，前面已经搞定了，可以再次确认一下。

1. 硬件匹配：

   1. 显卡：Radeon 8060S（gfx1151 架构，ROCm7 windows 预览版支持）；
   2. NPU：XDNA 2 架构（需 AMD NPU 驱动 ≥25.20.01.14）。

2. 系统依赖：

   1. 已安装 ROCm7 windows 预览版 + PyTorch（参考前文成功安装的环境）；
   2. Python 3.13（虚拟环境 rocm\_env 已激活）；
   3. Visual Studio 2026 社区版“C++ 桌面开发” 组件（含 Windows 11 SDK）。

3.3.1 安装基础依赖库（sentencepiece、einops）

需要的基础 AI 算法库有：sentencepiece、einops 等

SentencePiece 简介：SentencePiece 是由 Google 开源的无监督文本分词工具，专为自然语言处理（NLP）任务设计，核心解决多语言、低资源语言的分词问题，同时统一了 “分词（Tokenization）” 和 “还原（Detokenization）” 流程，是现代大语言模型（LLM）、机器翻译、文本生成等任务中主流的分词方案之一。

Einops 简介：Einops（Einstein-inspired operations）是一个轻量级的 Python 库，专为张量维度操作设计，核心目标是让张量的变形（reshape）、转置（transpose）、分拆（split）、合并（concatenate）等操作更直观、易读且不易出错，彻底替代传统框架（PyTorch/TensorFlow/JAX）中繁琐且易混淆的 reshape/transpose/permute 等 API。

打开 Miniconda Prompt，用如下命令安装，过程很简介：

# 激活ROCm虚拟环境
conda activate rocm_env
# 安装sentencepiece（分词器核心）, 0.2.1  是当前最新的稳定版适配ROCm
pip install sentencepiece==0.2.1
# 安装einops（张量操作工具）
pip install einops==0.7.0

注意：网上查的方案 sentencepiece==0.1.99 版本，不兼容 ROCm7 windows 版本，我多次安装都失败，原因是 SentencePiece 的 0.1.99 版本发布时间较早（2023 年），其 Windows 预编译包（.whl）可能未适配 ROCm-Windows 环境的 Python 版本（如 Python 3.12/3.13）或系统依赖（如最新版 Visual C++ 运行库）。

最新版 SentencePiece（如 0.2.0+）会针对新版 Python/Windows 环境更新预编译包，因此能直接安装成功。SentencePiece 0.2.1 和 ROCm-Windows 已有良好的兼容性。本调测指导书安装当前最新的 0.2.1 版本，后面项目工程验证兼容性良好。

3.3.2 安装 ONNX Runtime 安装（NPU 加速）【可选】

ONNX Runtime 简介：ONNX Runtime（ORT）是由微软开源的跨平台、高性能推理引擎，专为运行基于 ONNX（Open Neural Network Exchange）格式的机器学习 / 深度学习模型设计。核心目标是优化模型推理性能、降低部署成本，同时兼容多框架、多硬件，是工业界和学术界主流的模型部署工具之一。

ONNX Runtime 支持使用 AMD NPU 进行推理加速。

注意：onnxruntime-rocm 版本需与 ROCm SDK 版本匹配（如 ROCm 7.0 建议用 1.25.0+）。

安装过程：

# 安装ONNX Runtime（确保包含NPU支持）
pip install onnxruntime
# 验证ONNX Runtime是否支持NPU
python -c "import onnxruntime; print(onnxruntime.get_device())"

3.4 AI Agent 开发框架

LangChain 简介：LangChain 是一个用于构建大语言模型（LLM）应用的开源框架，核心价值是解决 LLM 与外部系统的连接、流程编排问题，让开发者快速搭建复杂且实用的 AI 应用，而非仅依赖单一 LLM 的原生能力。

如下章节是基础知识扫盲，熟悉的同学可跳过。

LangChain 核心定位

• 本质：LLM 应用的 “胶水框架”，不直接开发大模型，而是整合 LLM（如 GPT、Claude、开源模型等）与外部工具、数据，实现端到端的智能应用开发。
• 目标：降低 LLM 应用的开发门槛，支持从简单的对话机器人到复杂的智能代理（Agent）、知识库问答、工作流自动化等场景。

LangChain 核心功能模块

1. 组件（Components）：可复用的基础模块，是构建应用的 “积木”

   1. 模型集成：支持调用各类 LLM（闭源 / 开源）、embedding 模型（用于文本向量转换）。
   2. 数据连接：对接外部数据源（文档、数据库、API、网页等），实现数据的加载与处理。

   3. 工具调用：让 LLM 调用外部工具（计算器、搜索引擎、代码执行器、第三方 API 等），拓展 LLM 能力边界。

      • 链（Chains）：将多个组件按逻辑串联，实现复杂流程自动化

        1. 替代单一 LLM 调用，支持 “输入处理 → 模型推理 → 工具交互 → 结果整理” 的端到端流程。
        2. 示例：文档问答链（加载文档 → 文本分割 → 向量存储 → 检索相关内容 →LLM 生成答案）。

      • 代理（Agents）：让 LLM 自主决策执行流程

        1. 赋予 LLM 自主判断能力：根据用户需求，决定是否调用工具、调用哪个工具、如何处理工具返回结果，无需人工预设固定流程。
        2. 适用场景：复杂问题解决（如 “分析某公司近 3 年财报并生成可视化报告”）、智能助手等。

      • 记忆（Memory）：支持 LLM 存储和利用上下文信息

        1. 解决单一 LLM 调用 “无状态” 问题，可保存对话历史、中间结果，让应用具备连续交互能力（如聊天机器人记住前文对话）。

LangChain 典型应用场景

• 知识库问答（RAG）：基于自有文档（如企业手册、论文）构建问答系统，让 LLM 只基于指定数据生成答案。
• 智能对话机器人：支持多轮交互、上下文理解，可对接业务系统（如客服机器人查询订单、解答售后问题）。
• 工作流自动化：如自动生成报告、数据清洗与分析、邮件 / 文档自动处理。
• 智能代理：如代码助手（自动查错、调用编译器）、科研助手（检索文献、分析数据）。

LangChain 核心优势

• 模块化设计：组件可灵活组合替换，适配不同 LLM 和业务需求。
• 生态丰富：支持主流 LLM 模型、数据库、工具 API，无需重复开发集成逻辑。
• 降低复杂度：封装了检索、流程编排、记忆管理等复杂逻辑，开发者可聚焦业务场景。

安装过程：

# 安装LangChain
pip install langchain
# 安装工具支持
pip install openai  # OpenAI API支持（如果需要）
pip install requests  # HTTP工具
pip install pydantic  # 数据验证

到此，在 ROG 幻 x2025 便携 AI 算力工作站上已完成必备的软件环境的安装准备工作！

下面章节简要做一个对环境的测试工程：

├─aiProject
│  └─ROGx2025AIproject
│      └─PythonTest     # 对环境的测试工程

4、简单的测试工程（验证当前 AI 训推环境）

4.1 【回顾】创建好测试工程 ROGx2025AIproject

具体步骤参见前面章节

创建测试工程工作目录，相关的命令如下：

#  创建AI学习工作项目空间目录aiproject
md  aiproject
#  查一下是否创建成功
dir
#   在其中，再创建一个当前要开展的项目 ROGx2025AIproject
# 先进入aiproject目录
md ROGx2025AIproject
#  查一下是否创建成功
dir

如下是上面命令的过程图示：

最终创建的测试工程目录，如下是项目的空间：

PS E:\> tree
卷 WorkSpace 的文件夹 PATH 列表
卷序列号为 xxxx-xxxx
E:.
├─aiProject
│  └─ROGx2025AIproject
│      └─PythonTest

用 VS2026 创建测试项目 ROGx2025AIproject

步骤 1：启动 vs2026 开发 IDE

步骤 2：新建一个测试工程，选 Python 应用程序

步骤 3：配置测试工程 PythonTest 的工作目录，如下图示，位置为

位置：E:\aiProject\ROGx2025AIproject\

项目名称：PythonTest

步骤 4：点“创建”后，进入 IDE，解决方案资源管理器中的项目结构，如下图

步骤 5：在 PythonTest 项目文件中，编写完测试代码（源代码可在 github 上获取，后面有获取方法），配置 PythonTest 项目的私有环境，就是前面创建好的 rocm\_env，操作如下图，菜单“工具 -> Python -> Python 环境(E)”，进入环境设置界面

如下图示，选 rocm\_env，注意要确认好如下信息的正确性：

说明：rocm\_env

前缀路径：C:\Users\hechu\miniconda3\envs\rocm\_env （前面用 minicoda3 创建的 rocm\_env）

解释器路径：C:\Users\hechu\miniconda3\envs\rocm\_env\python.exe

窗口化解释器：C:\Users\hechu\miniconda3\envs\rocm\_env\pythonw.exe

其他默认不变

步骤 6：可以启动，执行本测试工程，点主工具栏的

“启动”绿色按钮，开始执行

看到上面的执行结果，没有抛出异常信息，成功执行 OK!

4.3 PythonTest 项目的源码和项目功能描述

项目源代码：https://github.com/hechunji/PythonTest

项目说明：如下图目录说明，用 vs2026 git 直接拉取下来，就能直接使用和练习。

到此，在 ROG 幻 x2025 便携 AI 算力工作站上已完成必备的软件环境的安装初阶准备，能支撑学习和基础的工作开展！