A
返回 工具
工具2026/05/096 分鐘閱讀

Mac Studio M3 Ultra 開發環境完整搭建

在 Mac Studio M3 Ultra (512GB RAM) 上從零搭建 AI 開發環境:系統配置、Homebrew 安裝、基礎工具鏈、效能調優。

硬體概覽

  • 型號:Mac Studio M3 Ultra
  • 記憶體:512GB 統一記憶體
  • 適用場景:同時運行多個 LLM(本地)、多 Agent 框架、圖像/影片生成

512GB RAM 的優勢:

  • 可以同時載入多個 70B+ 模型而不會 OOM
  • ComfyUI + Ollama + Agent 框架可以全部常駐
  • 不需要頻繁 swap,SSD 壽命更長

步驟 1:系統初始配置

安裝 Xcode Command Line Tools

xcode-select --install

這是 macOS 開發的基礎,包含 git、make、clang 等。

設定 Shell

macOS 預設 zsh,確認版本:

echo $SHELL
# /bin/zsh
zsh --version

建議創建 ~/.zshrc 配置(如果還沒有的話),後續安裝的工具會自動追加 PATH。


步驟 2:安裝 Homebrew

Homebrew 是 macOS 的包管理器,幾乎所有開發工具都通過它安裝。

/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"

安裝完成後,按照終端提示執行兩行命令(將 brew 加入 PATH):

echo 'eval "$(/opt/homebrew/bin/brew shellenv)"' >> ~/.zprofile
eval "$(/opt/homebrew/bin/brew shellenv)"

驗證:

brew --version
# Homebrew 4.x.x

常用 Homebrew 指令

brew update          # 更新 Homebrew 自身
brew upgrade         # 升級所有已安裝的包
brew list            # 列出已安裝
brew info <package>  # 查看包信息
brew cleanup         # 清理舊版本

步驟 3:安裝基礎開發工具

# 終端增強
brew install git gh
brew install node pnpm
brew install python@3.12
brew install ripgrep fd bat eza
brew install jq yq
工具 用途
git / gh 版本控制 + GitHub CLI
node / pnpm Node.js 運行時
python@3.12 Python 環境
ripgrep (rg) 高速代碼搜索
fd 現代 find 替代
bat 帶語法高亮的 cat
eza 現代 ls 替代
jq / yq JSON/YAML 處理

配置 pnpm

pnpm setup
source ~/.zshrc

步驟 4:Docker(可選)

如果需要容器化環境:

brew install --cask docker

或使用 Colima(輕量替代):

brew install colima
colima start --cpu 16 --memory 64

步驟 5:效能調優建議

1. 關閉不必要的 macOS 動畫

系統設定 → 輔助使用 → 顯示 → 減少動態效果

2. 設置 ulimit

~/.zshrc 中追加:

ulimit -n 65536

3. 監控工具

brew install htop btop  # 系統監控
brew install fastfetch   # 系統信息展示

4. M3 Ultra 特別注意

  • Neural Engine 在部分 ML 框架中自動啟用
  • MPS (Metal Performance Shaders) 用於 PyTorch
  • 統一記憶體架構意味著 CPU 和 GPU 共享 512GB,不需要手動分配

驗證清單

✓ xcode-select -p          # Xcode CLI 已安裝
✓ brew --version           # Homebrew 就緒
✓ git --version            # Git 可用
✓ node --version           # Node.js 可用
✓ python3 --version        # Python 可用
✓ gh auth status           # GitHub 已登入

完成以上步驟後,可以開始安裝三層 Agent 框架的各個組件。