Ubuntu系统高效安装Claude Code全指南：从依赖解析到环境配置

6次阅读

没有评论

共计 3196 个字符，预计需要花费 8 分钟才能阅读完成。

最近在 Ubuntu 20.04/22.04 LTS 上安装 Claude Code 时，遇到了几个典型问题，这里总结一下我的踩坑经历：

libc 版本冲突：系统自带的 glibc 版本与 Claude Code 要求的版本不匹配，导致运行时崩溃
CUDA 驱动不兼容：NVIDIA 显卡驱动版本与 CUDA Toolkit 版本不匹配，导致 GPU 加速失效
snap 沙盒权限限制 ：使用 snap 安装时，对/usr/local 等目录的访问权限受限
依赖包冲突：某些系统预装软件（如旧版 Python）会干扰 Claude Code 的正常运行

apt 直接安装
优点：性能最优，直接使用系统资源
缺点：依赖管理复杂，容易污染系统环境
snap 容器化
优点：隔离性好，依赖自动解决
缺点：性能略有损耗，权限受限

对于开发环境，我推荐使用 apt 安装；对于生产环境，snap 可能更稳妥。

首先更新系统包：

sudo apt update && sudo apt upgrade -y

安装必要依赖：

sudo apt install -y build-essential libssl-dev zlib1g-dev \
    libbz2-dev libreadline-dev libsqlite3-dev wget curl llvm \
    libncursesw5-dev xz-utils tk-dev libxml2-dev libxmlsec1-dev \
    libffi-dev liblzma-dev

添加官方仓库：

# 安全提示：先 dry-run 检查
curl -s https://apt.claude.ai/gpg.key | sudo apt-key add -
sudo add-apt-repository "deb [arch=amd64] https://apt.claude.ai $(lsb_release -cs) main" --dry-run

确认无误后实际执行：

sudo add-apt-repository "deb [arch=amd64] https://apt.claude.ai $(lsb_release -cs) main"

安装主程序：

sudo apt update
sudo apt install claude-code

验证 NVIDIA 驱动：

nvidia-smi  # 应该显示 GPU 信息

安装 CUDA Toolkit（以 11.7 为例）：

sudo apt install -y cuda-toolkit-11-7

配置环境变量（添加到~/.bashrc）：

export PATH=/usr/local/cuda-11.7/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-11.7/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

这里提供一个带错误处理的 Bash 脚本：

#!/bin/bash

# 安装 Claude Code 自动化脚本
set -euo pipefail

function install_deps() {echo "[INFO] 安装系统依赖..."
    sudo apt update && sudo apt install -y \
        build-essential libssl-dev zlib1g-dev \
        libbz2-dev libreadline-dev libsqlite3-dev \
        wget curl llvm libncursesw5-dev xz-utils \
        tk-dev libxml2-dev libxmlsec1-dev libffi-dev \
        liblzma-dev
}

function install_claude() {echo "[INFO] 添加 Claude 仓库..."
    curl -s https://apt.claude.ai/gpg.key | sudo apt-key add -
    sudo add-apt-repository "deb [arch=amd64] https://apt.claude.ai $(lsb_release -cs) main"

    echo "[INFO] 安装 Claude Code..."
    sudo apt update
    sudo apt install -y claude-code
}

function check_gpu() {
    if command -v nvidia-smi &> /dev/null; then
        echo "[INFO] 检测到 NVIDIA GPU，配置 CUDA..."
        sudo apt install -y cuda-toolkit-11-7

        # 追加到 bashrc
        echo "export PATH=/usr/local/cuda-11.7/bin\${PATH:+:\${PATH}}" >> ~/.bashrc
        echo "export LD_LIBRARY_PATH=/usr/local/cuda-11.7/lib64\${LD_LIBRARY_PATH:+:\${LD_LIBRARY_PATH}}" >> ~/.bashrc
        source ~/.bashrc
    else
        echo "[WARN] 未检测到 NVIDIA GPU，跳过 CUDA 配置"
    fi
}

# 主执行流程
install_deps
install_claude
check_gpu

echo "[SUCCESS] 安装完成！运行 claude --version 验证"

如果遇到空间问题，可以清理以下内容：

# 清理 apt 缓存
sudo apt clean

# 删除旧的 kernel 版本
sudo apt autoremove --purge

# 查看大文件
sudo du -sh /* | sort -h

在 /etc/systemd/system/claude.service 中添加：

[Service]
MemoryHigh=8G
MemoryMax=10G
OOMScoreAdjust=-500

然后执行：

sudo systemctl daemon-reload
sudo systemctl restart claude

检查版本：

claude --version
# 预期输出示例: claude 1.8.3 (build 20231215)

Benchmark 测试：

# CPU 模式
claude benchmark --mode cpu

# GPU 模式
claude benchmark --mode gpu

对于需要隔离的环境，可以使用 Docker：

FROM ubuntu:22.04

# 安装基础依赖
RUN apt update && apt install -y \
    build-essential libssl-dev zlib1g-dev \
    wget curl && \
    rm -rf /var/lib/apt/lists/*

# 添加 Claude 仓库
RUN curl -s https://apt.claude.ai/gpg.key | apt-key add - && \
    add-apt-repository "deb [arch=amd64] https://apt.claude.ai $(lsb_release -cs) main"

# 安装 Claude Code
RUN apt update && apt install -y claude-code

# 设置入口点
ENTRYPOINT ["claude"]

在 WSL2 中使用时需要注意：