企业官网建设流程全解析

如何快速安装ATLAS：从一键Bootstrap脚本到atlas doctor健康检查的30分钟新手教程

【免费下载链接】ATLASAdaptive Test-time Learning and Autonomous Specialization项目地址: https://gitcode.com/gh_mirrors/atlas112/ATLAS

ATLAS是一个完全本地运行的开源编码代理（coding agent），它把模型包裹在规划、沙箱验证与自动修复机制中，让你的小模型也能完成真实的软件工程任务——全程跑在自己的 GPU 上，无需任何托管 API 或按 token 计费。本文带你走一遍ATLAS 安装的完整流程：从检查硬件、运行一键Bootstrap 安装脚本，到用atlas doctor健康检查确认一切就绪，全程约 10–30 分钟（模型下载占大头）。

一、3分钟硬件自检：你的电脑能跑ATLAS吗？

安装前先确认三个关键指标，避免中途返工：

• NVIDIA 显卡：官方 CUDA 镜像面向 Blackwell（RTX 50 系）；RTX 20/30/40 系老卡需要一次性本地重编译，详见 docs/SETUP.md 的 CUDA 计算能力说明。
• AMD 显卡：走 ROCm 通道（社区实测），无需额外容器运行时。
• Apple Silicon：有独立的 macOS 混合安装路径，见 docs/SETUP_MACOS.md。
• 各硬件的支持等级一览：SUPPORT_MATRIX.md。

💡 小提示：如果显存只有 8 GB，跑atlas tier可以让 ATLAS 自动检测你的显卡档位并推荐合适的模型档位，而不是盲目下载最大模型。

二、一键Bootstrap脚本：3种安装姿势

核心安装脚本是 scripts/atlas-bootstrap.sh，它会自动完成：检测发行版 → 安装 Docker 与 GPU 运行时 → 克隆仓库到/opt/atlas→ 下载模型权重（SHA 校验）→ 启动 5 个服务容器 → 构建 ASA 引导向量。脚本是幂等的，中途失败后直接重跑即可。

姿势 1：一条命令（最快）

curl -fsSL https://raw.githubusercontent.com/inferstep/ATLAS/main/scripts/atlas-bootstrap.sh | bash

姿势 2：先审查、再执行（更稳妥）

curl -fsSL -o atlas-bootstrap.sh https://raw.githubusercontent.com/inferstep/ATLAS/main/scripts/atlas-bootstrap.sh less atlas-bootstrap.sh # 确认内容无误后 bash atlas-bootstrap.sh

姿势 3：锁定到具体发布版本（可复现）

curl -fsSL https://raw.githubusercontent.com/inferstep/ATLAS/v3.1.6/scripts/atlas-bootstrap.sh \ | ATLAS_BOOTSTRAP_REF=v3.1.6 bash

脚本支持一组环境变量开关，按需加在命令前即可，例如：

安装完成后，终端会打印绿色 "ATLAS ready" 横幅和快速上手命令。

三、首次启动：进入ATLAS的终端界面（TUI）

在任意项目目录里输入atlas，即可进入原生的终端聊天界面：左侧是实时流水线面板（规划、候选生成、沙箱验证逐阶段滚动），中间是聊天区，右侧是文件区——你能直接看到代理在"想什么"。

界面里的斜杠命令（/add、/diff、/run等）和快捷键全部记录在 docs/CLI.md；新手第一篇任务建议从 docs/GETTING_STARTED.md 的"第一个任务"章节开始。

四、atlas doctor：安装后的"全面体检"

atlas doctor是验证ATLAS 安装是否真正健康的权威工具（Bootstrap 脚本结束时也会自动跑一次）。它从 atlas/commands/doctor.py 出发，围绕三类问题逐一检查，每项结果即时打印：

atlas doctor # 完整检查，约 5–10 秒 atlas doctor --quick # 跳过端到端推理冒烟测试，约 2 秒 atlas doctor --json # 输出机器可读 JSON，方便接入 CI 或脚本 atlas doctor -v # 显示每项检查的详细信息

三大检查组：

1. 宿主机环境—— Docker 与 Compose 是否可用、CPU 架构、GPU 运行时（NVIDIA 会在 Docker 内实跑nvidia-smi验证）、模型文件是否完整（>100 MB 防截断）、Lens 权重与 ASA 向量是否就位、atlas tier档位匹配。
2. 容器栈状态—— 5 个服务（llama-server、geometric-lens、v3-service、sandbox、atlas-proxy）是否全部运行且 healthy、5 个/health端点是否响应、内部服务鉴权是否双向生效、工作区挂载是否对齐。
3. 端到端冒烟—— 通过代理发起一次真实的模型推理请求，确认"客户端 → 代理 → 推理"全链路畅通。

如何解读结果：退出码 0 = 健康，1 = 有失败项。全绿（ATLAS install is healthy.）可以直接开工；有警告（如缺少 ASA 向量）时 ATLAS 仍可用，只是相应能力降级；出现 fail 则不要硬上——错误提示会直接给出修复命令，常见问题的排查表在 docs/TROUBLESHOOTING.md。

五、常见翻车点速查

六、下一步去哪？

• 日常使用与 TUI 全功能：docs/CLI.md
• 环境变量与调优全表：docs/CONFIGURATION.md
• 系统内部如何协作：docs/ARCHITECTURE.md
• 升级、备份与运维手册：docs/OPERATIONS.md

至此，你已经完成了ATLAS 一键 Bootstrap 安装 → 首次 TUI 启动 → atlas doctor 健康检查的完整闭环。接下来挑一个版本控制仓库里的具体小任务（比如"给 cli.py 加一个--verbose参数"），让代理跑一次，再/diff审查提交——本地编码代理的玩法就正式开始了 🚀

【免费下载链接】ATLASAdaptive Test-time Learning and Autonomous Specialization项目地址: https://gitcode.com/gh_mirrors/atlas112/ATLAS