基础安装：一键搞定
llama-cpp-python 的安装过程极其简单，只需运行以下命令：
pip install llama-cpp-python
这个命令会自动从源码构建 llama.cpp，并将其与 Python 包一起安装。如果遇到构建问题，可以添加 --verbose 参数查看详细构建日志。
硬件加速配置方案
为了获得最佳性能表现，您可以根据自己的硬件配置选择合适的加速后端。
CUDA 加速配置（NVIDIA 显卡用户）
CMAKE_ARGS="-DGGML_CUDA=on" pip install llama-cpp-python
Metal 加速配置（苹果设备用户）
CMAKE_ARGS="-DGGML_METAL=on" pip install llama-cpp-python
OpenBLAS 加速配置（CPU 优化方案）
CMAKE_ARGS="-DGGML_BLAS=ON -DGGML_BLAS_VENDOR=OpenBLAS" pip install llama-cpp-python
预构建轮子安装方法
如果您不想从源码编译，可以使用预构建的二进制轮子进行快速安装。
基础 CPU 版本
pip install llama-cpp-python --extra-index-url https://abetlen.github.io/llama-cpp-python/whl/cpu
CUDA 加速版本
pip install llama-cpp-python --extra-index-url https://abetlen.github.io/llama-cpp-python/whl/cu121
快速验证安装结果
安装完成后，您可以通过创建一个简单的测试脚本来验证安装是否成功：
from llama_cpp import Llama
# 初始化模型（请替换为实际模型路径）
llm = Llama(model_path="./models/your-model.gguf")
# 进行简单的文本生成测试
output = llm("你好，请介绍一下你自己", max_tokens=32)
print(output)
常见安装问题解决方案
Windows 系统安装问题
如果在 Windows 系统上遇到'找不到 nmake'或 CMAKE_C_COMPILER 相关错误，可以设置以下环境变量：
$env:CMAKE_GENERATOR = "MinGW Makefiles"
$env:CMAKE_ARGS = "-DGGML_OPENBLAS=on -DCMAKE_C_COMPILER=C:/w64devkit/bin/gcc.exe"
