我在Mac上折腾AI工具链的时间不算短了从最早的Python虚拟环境装到现在的本地大模型踩坑记录攒了一大堆。这篇东西不是官方文档是我把“在Mac上安装AI相关工具”这件事从头到尾拆了一遍哪些先装、哪些别碰、装到一半报错了怎么救。适合刚入手Mac的程序员、想本地跑大模型的创作者也适合只是想在Mac上用上AI聊天助手、编程插件和内容生成工具的普通用户。看到“Ai 安装Mac版”如果你第一反应是Adobe Illustrator那我先说明白这篇文章说的是人工智能工具链不是设计师用的那个Ai。真要找Illustrator从Adobe Creative Cloud装就行思路完全不一样。1. 装AI之前先把基础环境铺平很多人一上来就想“我要装大模型”结果第一步就卡在环境上。Mac不像Windows那样装个安装包就完事绝大多数AI工具依赖命令行环境。所以在装任何AI框架之前我强烈建议先把两样东西搞定包管理器Homebrew和干净的Python环境。这两样铺平了后面装什么都是两三行命令的事。1.1 Homebrew安装与镜像源配置Homebrew是macOS的软件包管理器你可以把它理解成App Store的命令行版本。AI领域的绝大多数开源工具比如Ollama、git、node、ffmpeg、wget都可以用brew一条命令装好。Homebrew安装命令如下/bin/bash -c $(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)这个命令会把Homebrew装到/opt/homebrewApple Silicon芯片或者/usr/localIntel芯片。装完以后需要把brew路径写进shell配置目前macOS默认shell是zsh所以执行echo eval $(/opt/homebrew/bin/brew shellenv) ~/.zprofile eval $(/opt/homebrew/bin/brew shellenv)这里有一个非常常见的报错点安装过程中卡在curl: (28) Operation timed out或者下载到一半直接断掉。这种基本都是网络波动导致的不一定是命令写错了。我的处理方法是先加国内镜像源再重试临时设置这几个环境变量再重新执行安装脚本速度会稳不少export HOMEBREW_BREW_GIT_REMOTEhttps://mirrors.tuna.tsinghua.edu.cn/git/homebrew/brew.git export HOMEBREW_API_DOMAINhttps://mirrors.tuna.tsinghua.edu.cn/homebrew-bottles/api export HOMEBREW_BOTTLE_DOMAINhttps://mirrors.tuna.tsinghua.edu.cn/homebrew-bottles export HOMEBREW_CORE_GIT_REMOTEhttps://mirrors.tuna.tsinghua.edu.cn/git/homebrew/homebrew-core.git设置完再跑官方安装命令。注意这些变量只对当前终端窗口有效重开窗口就失效了想让它们永久生效建议写进~/.zshrc。设完镜像后最明显的感受是下载速度从几十KB变成数MB每秒后续执行brew update也不会频繁卡住。验证是否装好的标准动作brew -v brew doctorbrew doctor如果弹出警告别慌它是在提醒你某些目录权限或者路径配置有问题按提示处理就行。我自己刚装完Homebrew时会顺手执行brew install git和brew install node这两个后续装AI工具大概率用得上。1.2 Python运行环境Miniconda一步到位AI工具链约有九成依赖Python但macOS自带的Python版本往往较旧而且直接往系统Python里装包很容易把环境弄乱。我的建议是别碰系统Python直接装Miniconda。Miniconda是轻量级Python环境管理工具自带conda命令可以创建相互隔离的Python环境装PyTorch、TensorFlow、HuggingFace这类AI依赖时特别省心。brew install --cask miniconda conda init zsh装完执行conda init zsh后重新打开终端前面会出现(base)字样说明conda已经接管了Python环境。然后创建一个专门的AI环境conda create -n ai python3.11 -y conda activate ai python -V我一般固定在AI环境里装这些基础包后面所有项目都用它避免每个项目重复踩依赖冲突pip install --upgrade pip setuptools wheel pip install numpy pandas matplotlib jupyterlab为什么用conda而不是直接pip因为很多AI库的底层依赖比如CMake、LLVM用conda会有预编译好的二进制包省去在Mac上现场编译的痛苦。如果你只需要跑跑脚本不想管理多版本也可以用pyenv但新人我更推荐Miniconda安装快、隔离干净、出问题删掉重来也不心疼。2. Java生态与本地大模型部署基础环境只占准备工作的一半。如果你打算用Java系的AI框架比如Spring AI或者想在本地跑开源大模型那就需要把运行时这一层搭好。这一节我分成两条线讲一条是偏后端的JDK加Maven另一条是本地大模型最常用的Ollama。2.1 JDK和Maven装好Spring AI才能跑起来很多Mac用户装AI工具时只盯着Python却忽略了一大批Java生态的AI项目。Spring AI是Java领域目前比较热门的AI集成框架它把对接大模型API、提示词管理、向量数据库这些能力整合进了Spring Boot后端团队想给老项目加AI功能基本绕不开它。跑Spring AI需要JDK 17以上Maven负责依赖管理。安装JDK 17推荐用Homebrewbrew install openjdk17这个包安装后不会自动注册到系统Java环境需要手动做一个软链接sudo ln -sfn /opt/homebrew/opt/openjdk17/libexec/openjdk.jdk /Library/Java/JavaVirtualMachines/openjdk-17.jdk注意网上很多教程让你装JDK 8那是老项目历史遗留。如果你的目标就是AI开发JDK 8完全不够用Spring AI要求JDK 17起步。装完验证一下java -version接着装Mavenbrew install maven mvn -v看到Maven版本号和Java版本号都输出正常说明运行时配置完成。Maven默认从中央仓库拉依赖在国内网络下经常很慢推荐改一下全局配置文件~/.m2/settings.xml加入阿里云镜像settings mirrors mirror idaliyunmaven/id namealiyun maven/name urlhttps://maven.aliyun.com/repository/public/url mirrorOfcentral/mirrorOf /mirror /mirrors /settings配置好以后mvn package的速度会有质的提升。这里的镜像源思路和Homebrew镜像一样解决的都是“默认源连不上、连上慢”的问题。2.2 Ollama带你五步跑起本地大模型不想依赖云端API、数据要留在本地的场景下本地大模型是刚需。Ollama是目前Mac上体验最顺滑的本地模型运行工具一条命令下载模型一条命令开始对话。安装方式brew install ollama启动服务ollama serve再开一个终端窗口拉取模型比如拉取轻量级的Llama 3.2ollama run llama3.2第一次运行会先下载模型模型文件大概几个GB取决于你选的大小。这里提醒一下下载模型时留意存储空间建议至少留20GB空闲。物理内存如果只有8GB或16GB优先挑选7B参数级别的小模型内存32GB以上再考虑13B或更大参数。M系列芯片跑本地模型有优势它的统一内存架构让CPU和GPU共享内存所以Ollama在Mac上的表现比同价位的Windows笔记本好不少。除了Ollama自带的命令行对话我还会装Open WebUI做一个浏览器端的聊天界面pip install open-webui open-webui serve浏览器打开http://localhost:8080就能在一个接近ChatGPT风格的界面里跟本地模型聊天。对于团队内部想搞一个完全私有的AI助手这套组合足够用了。如果拉模型比较慢建议避开网络高峰期或者先挑社区里下载量大的Qwen系列模型资源更充足。3. AI编码助手与内容生成工具的安装环境搭好了本地模型也跑起来了接着就轮到日常使用频率最高的AI工具编程助手和内容生成应用。这一节我会给出我在Mac上实际安装和使用的配置。3.1 Cursor与Codex两种AI编程工作流怎么选AI编程现在是Mac上很主流的用法。Cursor是一款基于VS Code的AI编辑器特点是直接在对话中选中代码、让AI生成或修改还可以一次看懂整个项目仓库。安装很简单从官网下载DMG文件双击拖进Applications目录即可。# Cursor 也提供命令行启动器 curl -fsSL https://raw.githubusercontent.com/getcursor/cursor/main/install.sh | sh当然也可以安装后直接用图形界面不需要命令行。Cursor适合日常写长代码、做重构、读别人的开源项目。它的Agent功能能把整个代码库当成上下文这是普通插件做不到的。对于“帮我重构这个函数”“这个报错为什么出现”这类问题Cursoor能给出带上下文的回答。OpenAI出品的Codex CLI是另一条路。它本质上是一个终端里的AI程序员你给它一个任务描述它自动生成命令、修改文件、执行测试整个过程都在命令行里完成。安装依赖Node.js 18以上然后用npm全局安装npm install -g openai/codex codex第一次运行会要求登录OpenAI账号并确认授权。实测下来如果任务是“帮我在当前目录写一个Python脚本读取CSV并生成统计报表”Codex能直接完成文件创建和脚本执行比用鼠标点编辑器更利落。所以我建议两个都装日常写项目用Cursor批量小任务、快速脚本用Codex两者互不冲突。3.2 AI聊天客户端与本地绘图工具的推荐很多人在浏览器里用AI聊天工具用着用着就忘了找官方客户端。其实ChatGPT for Mac可以从官网直接下载DMG安装Claude for Mac同样如此装完登录账号就能用。客户端的好处是支持系统级快捷键、语音输入和系统通知和网页版对比至少省掉一个常驻浏览器标签页。有的朋友会问网上流传的那些“无限制聊天”“不用登录”的AI工具靠谱吗我的经验是主流AI产品都有内容安全策略正规应用反而更稳定更新也及时。那些号称“无限制”的小工具往往存在隐私泄露风险不建议在Mac上安装使用。想体验最新的AI模型能力直接装官方客户端或者用主流的云服务平台就足够了。内容生成方向除了云端工具很多人想在本地跑Stable Diffusion。Mac上我推荐ComfyUI它是节点式工作流灵活度高安装方式brew install git cmake protobuf rust git clone https://github.com/comfyanonymous/ComfyUI.git cd ComfyUI pip install -r requirements.txt python main.py浏览器打开http://127.0.0.1:8188就能开始出图。第一次使用还要下载基础模型放到models/checkpoints目录。ComfyUI对Mac的适配已经比较成熟M系列芯片配合--force-fp16参数能明显提速。如果想快速生成创意图而不想折腾本地环境也可以用各类AI生成网站但注意选官方渠道别下载来路不明的安装包。4. 存储清理与常见故障排查AI工具装得多最真实的体感不是“功能好用”而是“硬盘告急”。一个模型文件动辄几GB一个环境缓存又占几个GB。这一节我把自己维护Mac存储和踩坑排错的过程分享出来希望能让你少走弯路。4.1 模型文件那么肥Mac存储清理要跟上我见过不少Mac用户装完Ollama拉了两三个模型512GB硬盘直接红了。所以整理硬盘应该成为装AI工具后的常规动作。第一步先用系统自带工具看整体占用点左上角苹果图标进入系统设置选通用再选存储空间。这里能看到“系统数据”是不是已经吃掉几十GB。如果里面藏着大量Homebrew缓存和conda缓存用命令行清理最直接brew cleanup --pruneall conda clean --all第二步清理AI相关的缓存。HuggingFace的缓存路径在~/Library/Caches/huggingface里面可能躺着几百个模型分片文件删之前先确认没有项目依赖它们。可以用du -sh ~/Library/Caches/huggingface/* | sort -rh | head -20看看哪些文件最大再决定取舍。第三步清理不会再用的模型。Ollama查看已下载模型ollama list ollama rm 模型名最后如果某个项目目录里堆积了.venv虚拟环境或者Maven下载了大量.m2缓存都可以定期清理。这里有个小技巧du -sh ~/Library/Caches/* | sort -rh | head -20这条命令能快速找出缓存大户比自己用访达慢慢翻高效得多。4.2 安装过程中最常见的5个报错我把安装AI工具时碰到的高频报错整理成一张速查表方便大家对照排查报错现象大概率原因解决方案Homebrew安装卡住、超时默认源访问慢配置清华或中科大镜像后重试codex: command not foundNode版本过低或PATH未包含全局bin升级Node.js执行npm config get prefix检查路径conda: command not found未执行conda init或shell配置未生效执行conda init zsh重开终端Maven打包超时中央仓库网络慢修改settings.xml用阿里云镜像Ollama模型下载卡在0%网络原因或存储不足检查磁盘空间换时间段重试使用df -h确认剩余空间另外还有一个比较隐蔽的问题就是旧系统版本。很多新工具要求macOS 13以上如果你的Mac还停留在Catalina也就是10.15会发现不少安装包直接提示系统版本过低。这时候除了升级系统还可以找对应旧版安装包但功能会受限。我的建议是只要机器支持尽量升级到较新的macOS省得每次装工具都在兼容性上卡壳。还有一个容易被忽略的场景企业办公环境常需要装FortiClient这类远程接入套件有些用户在Mac上安装时卡在“验证安装包”这一步。这种情况多半是旧版本残留或网络策略限制建议先彻底卸载旧版本、关闭系统防火墙再重装或者联系企业IT获取适配当前macOS版本的安装包。5. 进阶玩法右键菜单增强与虚拟机协同工具基本装齐以后还可以做两件提升效率的事把常用AI操作塞进右键菜单以及在Mac上跑虚拟机做多系统协同。这两步不是必须但能明显改善日常操作体验。5.1 把AI操作塞进右键菜单Mac的右键菜单不像Windows那样开箱支持“新建文件”“用某程序打开”一堆选项但它有“服务”和“快捷操作”功能可以通过系统设置添加。比如我装完AI工具后会新建一个“打开终端窗口”的快捷操作这样在访达里右键任何文件夹就能直接在该目录打开终端跑命令。具体路径系统设置键盘键盘快捷键服务文件和文件夹勾选“新建位于文件夹位置的终端窗口”。如果安装了iTerm2还可以换成“新建位于文件夹位置的iTerm2窗口”。想进一步定制右键菜单可以装第三方工具比如超级右键这类应用能给右键菜单增加“用AI打开”“发送到ChatGPT”“快速翻译”等入口。不过这类工具会申请辅助功能权限注意从官方渠道下载别为了便利牺牲安全。我当时折腾完右键菜单明显感觉工作效率高了一截以前要在终端里cd半天进入项目目录现在右键就直接进去了配合AI编程助手非常顺手。5.2 Mac上跑Windows虚拟机开发调试两不误做开发的Mac用户经常遇到“我必须确认在Windows上跑没问题”的场景。用虚拟机是最方便的方案不用重启切换系统还能同时开Mac和Windows环境。VMware Fusion对个人用户已经完全免费UTM是开源免费的跨平台虚拟化工具这两者在Mac上的表现都很稳定。安装虚拟机的基本流程是下载对应平台的镜像文件比如Windows 11 ARM版然后在虚拟机软件里新建虚拟机选择镜像按向导完成安装。值得注意的是Apple Silicon芯片只能运行ARM版本的系统镜像Intel版Windows在M系列芯片上跑不了。装好后可以安装VMware Tools工具增强分辨率、剪贴板共享、拖拽文件等体验。关于Mac地址查询在虚拟机系统里执行ifconfig | grep ether看到类似00:0c:29:xx:xx:xx开头的地址通常说明网络适配器走的是VMware默认的虚拟网卡。这个特征在处理公司内部网络授权、Mac地址绑定类场景时很有参考价值。如果你需要查宿主机Mac的地址可以用系统设置里的网络详情或者执行ifconfig en0 | grep ether。在整个安装过程中我最大的体会是装AI工具和装普通软件是两回事真正的门槛不在“下载安装”这一秒而在“环境依赖的梳理”。只要是顺着Homebrew到Python环境、再到具体工具这条线往下走大部分问题都能在十分钟内解决。最后分享一个小技巧每次装完一个新工具先用which 工具名确认它确实被系统识别再看一眼版本号。这一步能帮你把“看起来装好了”和“真的能跑”区分开省掉后续排查路径问题的麻烦。后面如果再碰到安装报错多看看终端回显的前三行绝大多数坑的答案都写在报错信息里而不是在搜索页面里。
