2026年8月

下面把 WSL2 日常最常用的命令按场景归类，Windows 侧用 PowerShell，Linux 侧用 WSL 终端，分开标清楚，你以后查表就行。

一、Windows PowerShell 侧（管 WSL 平台本身）

# 安装默认 Ubuntu
wsl --install

# 安装指定发行版
wsl --install -d Ubuntu-24.04

# 列出已装发行版及状态
wsl -l -v

# 列出可在线安装的发行版
wsl --list --online

# 进入默认发行版
wsl

# 进入指定发行版
wsl -d Ubuntu-24.04

# 彻底关闭所有 WSL2 虚拟机（改 .wslconfig 后必须跑这个）
wsl --shutdown

# 注销（删除）某个发行版（不删文件需先 export）
w2l --unregister Ubuntu-24.04
wsl --unregister Ubuntu-24.04

# 导出发行版到 tar（迁移用）
wsl --export Ubuntu-24.04 D:\wsl-backup\ubuntu.tar

# 从 tar 导入到新位置（D 盘）
wsl --import Ubuntu-24.04 D:\WSL2\Ubuntu-24.04 D:\wsl-backup\ubuntu.tar --version 2

# 设默认发行版
wsl -s Ubuntu-24.04

# 查看 WSL 平台状态
wsl --status

.wslconfig 文件路径：C:\Users\你的用户名\.wslconfig，改完必须 wsl --shutdown 生效。

好，把每个命令是干嘛的用大白话说清楚：

二、WSL Ubuntu 终端侧（Linux 里日常用）

系统 & 包

sudo apt update && sudo apt upgrade -y

刷新软件源列表 + 把所有已装包升级到最新版，-y 是自动确认不用手敲 yes。

sudo apt install -y 包名

装一个新软件包，比如 sudo apt install -y git 就是装 git。

sudo apt autoremove -y

清掉那些"以前被依赖、现在没人要了"的孤儿包，省磁盘。

Python / venv

python3.12 -m venv .venv

在当前目录建一个叫 .venv 的隔离 Python 环境，里面有一份独立的 Python 解释器和 pip，跟系统全局的 Python 互不影响。

source .venv/bin/activate

激活这个虚拟环境。激活后终端前面会多个 (.venv) 标记，之后所有 pip install 的包装进这个 .venv 里，不会污染系统。

deactivate

退出当前虚拟环境，回到系统 Python。

编译 llama.cpp 等

cmake -B build -DGGML_CUDA=ON -DCMAKE_BUILD_TYPE=Release

用 cmake 配置编译参数：-B build 指定输出目录叫 build，-DGGML_CUDA=ON 开启 NVIDIA GPU 支持，Release 模式编译出来运行最快（不带调试信息）。

cmake --build build -j$(nproc)

真正开始编译，-j$(nproc) 是调用你所有 CPU 核心并行编译（你有 24 线程，所以 24 路同时编），速度拉满。

GPU / 驱动

nvidia-smi

查看 NVIDIA 显卡状态：显存占用、驱动版本、CUDA 版本、当前跑在 GPU 上的进程。你 3060 能不能被 WSL 看见就靠它验证。

nvcc --version

查看 CUDA 编译器版本。装了 nvidia-cuda-toolkit 才会有，编译 llama.cpp CUDA 版时 cmake 靠它找编译工具链。

网络

ip a

查看 WSL 里的网络接口和 IP 地址。一般能看到 lo（回环 127.0.0.1）和 eth0（WSL 虚拟网卡）。

cat /etc/resolv.conf

查看 DNS 服务器配置。WSL 里域名解析靠这个文件，网络不通时第一眼看这里对不对。

curl -I https://github.com

发一个 HTTP HEAD 请求测试能不能访问某个网站。-I 只拿响应头不下载正文，用来快速判断网络通不通。

进程

ps aux | grep server.py

列出所有正在跑的进程，然后过滤出包含 server.py 的那一行。用来确认 Parlor 服务是不是还在跑、进程号是多少。

pkill -f server.py

强制杀掉所有命令行里带 server.py 的进程。Parlor 卡死了跑这条直接干掉，不用手动 Ctrl+C。

htop

一个比 top 好看的交互式进程查看器，能看到 CPU、内存、每个核心的占用情况，按上下键滚动，按 q 退出。

文件位置

cd ~

回到家目录（/home/你的用户名），相当于 Windows 里的 cd %USERPROFILE%。

cd /mnt/c/Users/你的用户名

进到 Windows 的 C 盘用户目录。WSL 里 Windows 的各盘挂载在 /mnt/ 下，C 盘是 /mnt/c，D 盘是 /mnt/d。

WSL 虚拟硬盘物理位置在 Windows 侧：D:\WSL2\Ubuntu-24.04\ext4.vhdx（你迁移过的路径）。

环境变量（临时）

export MODEL=e2b

告诉当前 shell："MODEL 这个变量的值是 e2b"，Parlor 启动时会读这个变量决定加载哪个模型。关掉终端就消失。

export HF_ENDPOINT=https://hf-mirror.com

把 HuggingFace 的下载地址指向国内镜像，下模型不走原始境外地址，速度快且不会超时。

export PATH="/usr/local/bin:$PATH"

把 /usr/local/bin 插到 PATH 搜索路径的最前面，这样系统找 llama-server 时优先从这里找（你编译好的 CUDA 版在那）。

固化环境变量（永久）

echo 'export HF_ENDPOINT=https://hf-mirror.com' >> ~/.bashrc
source ~/.bashrc

第一行把那行 export 追加进 ~/.bashrc 文件末尾（每次开终端自动执行），第二行让当前终端立刻生效不用重开窗口。以后所有项目都能自动用上这个镜像源。

安装概述

系统：Windows 11 25H2
目标：WSL2 + Ubuntu 24.04 装到 D 盘 + 镜像网络 + 不用 uv/不用 conda + 直接系统 pip 装 Parlor 依赖 + 源码编译 llama.cpp CUDA 版 + 跑 Gemma 4 E2B + 浏览器对话

阶段一：Windows 侧（PowerShell 管理员）

1. 装 WSL2 平台 + Ubuntu 24.04（先落 C 盘，后面迁 D）

wsl --install -d Ubuntu-24.04

装完会让你设 Linux 用户名/密码。设完退出。

2. 迁到 D 盘

wsl --shutdown
mkdir D:\WSL2
wsl --export Ubuntu-24.04 D:\WSL2\ubuntu24.tar
wsl --unregister Ubuntu-24.04
wsl --import Ubuntu-24.04 D:\WSL2\Ubuntu-24.04 D:\WSL2\ubuntu24.tar --version 2

（以后物理文件在 D:\WSL2\Ubuntu-24.04\ext4.vhdx）

3. 写镜像网络配置（不重开 PowerShell，用 `wsl --shutdown` 重启 WSL 即可）

记事本写 C:\Users\你的Windows用户名\.wslconfig：

[wsl2]
networkingMode=mirrored
dnsTunneling=true
autoProxy=true
localhostForwarding=true
memory=12GB
processors=12

然后 PowerShell 执行（这就是“重启 WSL 让配置生效”的命令，不需要关 PowerShell 窗口）：

wsl --shutdown

再进 Ubuntu 就已是镜像网络。

阶段二：进 WSL2 Ubuntu（开始菜单点 Ubuntu 24.04，或 `wsl -d Ubuntu-24.04`）

4. 基础包 + CUDA 用户态头文件

sudo apt update && sudo apt upgrade -y
sudo apt install -y python3.12 python3.12-venv python3-pip git curl cmake build-essential libcurl4-openssl-dev
sudo apt install -y nvidia-cuda-toolkit   # 提供 nvcc + headers，匹配你 3060

验证驱动穿透（不重开终端）：

nvidia-smi

5. 编译 llama.cpp CUDA 版（build ≥ 9503）

cd ~
git clone https://github.com/ggml-org/llama.cpp
cd llama.cpp
cmake -B build -DGGML_CUDA=ON -DCMAKE_BUILD_TYPE=Release
cmake --build build -j$(nproc)
sudo ln -sf ~/llama.cpp/build/bin/llama-server /usr/local/bin/llama-server
llama-server --version   # 应显示 build 10xxx

6. 装 Parlor 的 Python 依赖（不用 uv、不用 conda，直接用系统 pip 装进一个 venv）

cd ~
git clone https://github.com/fikrikarim/parlor.git
cd parlor
python3.12 -m venv .venv
source .venv/bin/activate   # ← 这条就是“不重开终端让 venv 生效”的命令
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --upgrade pip
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -e .

7. 让 llama-server 路径对当前 shell 生效（不重开终端）

export PATH="/usr/local/bin:$PATH"
which llama-server   # 当前终端立即认得

8. 走 HF 镜像下模型（避免直连超时）

export HF_ENDPOINT=https://hf-mirror.com
export MODEL=e2b

阶段三：启动 + 浏览器

9. 起 Parlor 服务（当前终端接着用）

cd ~/parlor
source .venv/bin/activate
export MODEL=e2b
export HF_ENDPOINT=https://hf-mirror.com
export PATH="/usr/local/bin:$PATH"
python src/parlor/server.py --host 0.0.0.0 --port 8000

首次会自动从 HF 镜像下 gemma-4-E2B-it-qat-q4_0.gguf（~2.6GB）+ mmproj，加载完打印：

Uvicorn running on http://0.0.0.0:8000

10. Windows 浏览器打开

http://localhost:8000

允许麦克风加摄像头 → 说话 → 英文口语老师对话。

11. 以后每次要运行时

打开Powershell输入wsl按回车再输入以下命令回车然后打开浏览器http://localhost:8000

cd ~/parlor && export PATH="/usr/local/bin:$PATH" && export HF_ENDPOINT=https://hf-mirror.com && export MODEL=e2b && .venv/bin/python src/parlor/server.py --host localhost --port 8000

12. 利用cloudflared tunnel实现手机也可以访问

cd ~
wget https://github.com/cloudflare/cloudflared/releases/latest/download/cloudflared-linux-amd64 -O cloudflared
chmod +x cloudflared
sudo mv cloudflared /usr/local/bin/

运行以后打开一个新的wsl窗口执行

cloudflared tunnel --url http://localhost:8000

WSL2 日常命令归类 Windows 侧用 PowerShell Linux 侧用 WSL 终端

一、Windows PowerShell 侧（管 WSL 平台本身）

二、WSL Ubuntu 终端侧（Linux 里日常用）

系统 & 包

Python / venv

编译 llama.cpp 等

GPU / 驱动

网络

进程

文件位置

环境变量（临时）

固化环境变量（永久）

Windows11 25H2系统+WSL2子系统本地部署fikrikarim/parlor

安装概述

阶段一：Windows 侧（PowerShell 管理员）

1. 装 WSL2 平台 + Ubuntu 24.04（先落 C 盘，后面迁 D）

2. 迁到 D 盘

3. 写镜像网络配置（不重开 PowerShell，用 `wsl --shutdown` 重启 WSL 即可）

再进 Ubuntu 就已是镜像网络。

阶段二：进 WSL2 Ubuntu（开始菜单点 Ubuntu 24.04，或 `wsl -d Ubuntu-24.04`）

4. 基础包 + CUDA 用户态头文件

5. 编译 llama.cpp CUDA 版（build ≥ 9503）

6. 装 Parlor 的 Python 依赖（不用 uv、不用 conda，直接用系统 pip 装进一个 venv）

7. 让 llama-server 路径对当前 shell 生效（不重开终端）

8. 走 HF 镜像下模型（避免直连超时）

阶段三：启动 + 浏览器

9. 起 Parlor 服务（当前终端接着用）

10. Windows 浏览器打开

11. 以后每次要运行时

12. 利用cloudflared tunnel实现手机也可以访问

最新文章

最近回复

分类

归档

其它

2026年8月

WSL2 日常命令归类 Windows 侧用 PowerShell Linux 侧用 WSL 终端

一、Windows PowerShell 侧（管 WSL 平台本身）

二、WSL Ubuntu 终端侧（Linux 里日常用）

系统 & 包

Python / venv

编译 llama.cpp 等

GPU / 驱动

网络

进程

文件位置

环境变量（临时）

固化环境变量（永久）

Windows11 25H2系统+WSL2子系统本地部署fikrikarim/parlor

安装概述

阶段一：Windows 侧（PowerShell 管理员）

1. 装 WSL2 平台 + Ubuntu 24.04（先落 C 盘，后面迁 D）

2. 迁到 D 盘

3. 写镜像网络配置（不重开 PowerShell，用 wsl --shutdown 重启 WSL 即可）

再进 Ubuntu 就已是镜像网络。

阶段二：进 WSL2 Ubuntu（开始菜单点 Ubuntu 24.04，或 wsl -d Ubuntu-24.04）

4. 基础包 + CUDA 用户态头文件

5. 编译 llama.cpp CUDA 版（build ≥ 9503）

6. 装 Parlor 的 Python 依赖（不用 uv、不用 conda，直接用系统 pip 装进一个 venv）

7. 让 llama-server 路径对当前 shell 生效（不重开终端）

8. 走 HF 镜像下模型（避免直连超时）

阶段三：启动 + 浏览器

9. 起 Parlor 服务（当前终端接着用）

10. Windows 浏览器打开

11. 以后每次要运行时

12. 利用cloudflared tunnel实现手机也可以访问

最新文章

最近回复

分类

归档

其它

3. 写镜像网络配置（不重开 PowerShell，用 `wsl --shutdown` 重启 WSL 即可）

阶段二：进 WSL2 Ubuntu（开始菜单点 Ubuntu 24.04，或 `wsl -d Ubuntu-24.04`）