Ubuntu系统下Claude Code安装全指南：从依赖配置到避坑实践

6次阅读

没有评论

共计 2949 个字符，预计需要花费 8 分钟才能阅读完成。

在 Ubuntu 系统中安装 Claude Code 时，开发者常遇到以下典型问题：

依赖缺失 ：如libcuda.so not found、libnvidia-ml.so 缺失等 NVIDIA 驱动相关问题
版本冲突 ：系统 Python 与项目要求的 pip 包版本不兼容，导致ImportError 或SyntaxError
权限问题 ：Permission denied 错误，尤其是在使用 Docker 或尝试访问 GPU 设备时
环境污染：全局安装导致多个项目依赖混用，难以维护

优点：
– 高度定制化，可针对特定硬件优化
– 适合需要修改核心代码的场景

缺点：
– 依赖管理复杂
– 编译时间长
– 容易因环境差异导致失败

优点：
– 环境隔离性好
– 部署快速、可重复

缺点：
– 需要处理 GPU 穿透（nvidia-docker）
– 镜像体积较大
– 调试稍复杂

优点：
– 简单快捷
– 自动处理依赖关系

缺点：
– 版本可能较旧
– 灵活性较低

NVIDIA 驱动和 CUDA 工具链：

添加官方 NVIDIA 仓库：

sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt update

安装驱动和 CUDA（以 CUDA 11.7 为例）：

sudo apt install -y nvidia-driver-525 libcudnn8 libcudnn8-dev cuda-11-7

验证安装：

nvidia-smi  # 应显示 GPU 信息
nvcc --version  # 应显示 CUDA 版本

#!/bin/bash

# 重试函数
function retry {
    local n=1
    local max=5
    local delay=15
    while true; do
        "$@" && break || {if [[ $n -lt $max]]; then
                ((n++))
                echo "Command failed. Attempt $n/$max:"
                sleep $delay;
            else
                echo "The command has failed after $n attempts."
                exit 1
            fi
        }
    done
}

# 安装基础依赖
retry sudo apt update
retry sudo apt install -y python3-pip python3-venv git

# 创建虚拟环境
python3 -m venv claude-env
source claude-env/bin/activate

# 安装 Claude Code
retry pip install --upgrade pip
retry pip install claude-code

venv 方案：

创建虚拟环境：
```
python3 -m venv ~/claude-env
```
激活环境：
```
source ~/claude-env/bin/activate
```

conda 方案：

安装 miniconda：

wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh

创建环境：

conda create -n claude python=3.9
conda activate claude

import claude

client = claude.Client(api_key="your_api_key")

# 简单对话测试
response = client.ask("Hello, Claude!")
print(response)

# 检查响应是否有效
assert isinstance(response, str), "API response should be a string"
assert len(response) > 0, "API response should not be empty"

import time
import claude

client = claude.Client(api_key="your_api_key")

# 预热
client.ask("Warming up")

# 测试延迟
start = time.time()
response = client.ask("What is 2+2?")
latency = time.time() - start
print(f"Latency: {latency:.2f} seconds")

# 监控显存使用（需要 nvidia-smi）import subprocess
gpu_mem = subprocess.check_output(["nvidia-smi", "--query-gpu=memory.used", "--format=csv"])
print(f"GPU Memory Used:\n{gpu_mem.decode()}")

问题：Ubuntu 20.04 默认 gcc 版本(9) 与 CUDA 11+ 不兼容

解决方案：

sudo apt install gcc-10 g++-10
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-10 100
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-10 100

症状：Permission denied 或Operation not permitted

解决方案：

# 临时禁用（不推荐生产环境）sudo setenforce 0

# 或为 Claude 添加 AppArmor 规则
sudo aa-complain /usr/bin/python3

Docker 化部署：

FROM nvidia/cuda:11.7.1-base

RUN apt update && apt install -y python3-pip
RUN pip install claude-code

COPY test_script.py .
CMD ["python3", "test_script.py"]

GitLab CI 示例：

stages:
  - test

claude-test:
  stage: test
  image: nvidia/cuda:11.7.1-base
  script:
    - apt update && apt install -y python3-pip
    - pip install claude-code
    - python3 -c "import claude; print(claude.__version__)"