核心依赖库
Mamba 跑起来，通常绕不开两个包：
- causal_conv1d：因果卷积实现，项目在 Dao-AILab/causal-conv1d
- mamba_ssm：状态空间模型核心库，项目在 state-spaces/mamba
版本这件事不能靠猜。PyTorch、CUDA、Python 和操作系统架构只要有一个对不上，装包时大概率就会踩坑，尤其是 Windows 和 Linux 之间，轮子文件名看着像，只是不能互相通用。
Windows 环境配置（Python 3.10 | PyTorch 2.8 | CUDA 12.9）
准备安装包
这里用的是这三个包：
causal_conv1d-1.1.1triton-2.0.0mamba_ssm-1.2.0.post1
把它们放到一个单独目录里，比如 E:\Mamba_Package。单独放的好处很直接，后面出问题时容易确认到底是哪个轮子不对。
安装顺序
# 激活 conda 环境：名称为 mam
conda activate mam
# 进入安装包目录
cd E:\Mamba_Package
# 安装 triton
pip install triton-2.0.0-cp310-cp310-win_amd64.whl
# 安装因果卷积库（先安装，再安装 Mamba 核心库）
pip install causal_conv1d-1.1.1-cp310-cp310-win_amd64.whl
# 安装 Mamba 核心库
pip install mamba_ssm-1.2.0.post1-cp310-cp310-win_amd64.whl
Windows 这边我建议按这个顺序装，不要反过来。triton 和 causal_conv1d 先到位，mamba_ssm 再装，省得后面补依赖时把环境搅乱。
Linux 环境配置（CUDA 12.8 | PyTorch 2.8 | Python 3.10）
下载安装包
# 激活环境
conda activate mam
E:\Mamba_Package
wget https://github.com/Dao-AILab/causal-conv1d/releases/download/v1.5.4/causal_conv1d-1.5.4+cu12torch2.8cxx11abiTRUE-cp310-cp310-linux_x86_64.whl
wget https://github.com/state-spaces/mamba/releases/download/v2.2.5/mamba_ssm-2.2.5+cu12torch2.8cxx11abiTRUE-cp310-cp310-linux_x86_64.whl
