Fitten Code跨平台开发：WSL配置
在WSL2中配置FittenCode跨平台开发环境，需先启用WSL2并安装Ubuntu22.04，配置Python3.11及CUDAGPU加速，克隆FittenCode仓库后启动服务，从而实现代码补全与模型推理的GPU直通，让Windows开发者获得接近原生的Linux体验。
在Windows上搭建Fitten Code跨平台开发环境
要在Windows上使用Fitten Code进行跨平台开发，WSL环境必须稳定运行Python生态和GPU加速能力，否则后续所有模型加载、代码调试都会卡在依赖报错或CUDA不可用环节。换句话说，基础打不牢，后续操作将无法正常进行。
首先需要准备以下内容：启用WSL2并安装Ubuntu 22.04，配置Python 3.11、CUDA GPU加速及虚拟环境，最后克隆Fitten Code仓库并安装启动。每一步都可能遇到问题，但只要按照以下步骤操作，基本可以一次成功。
启用WSL2并安装Ubuntu发行版
以管理员身份打开PowerShell，依次执行以下两条命令：
dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestart
dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart
重启电脑后，在PowerShell中直接运行：【wsl --install】。这条命令会自动下载并安装WSL2内核、Ubuntu 22.04 LTS发行版，并将其设为默认版本。如果之前安装过旧版WSL1，此操作会强制升级到WSL2——【这是GPU加速和Docker支持的前提，跳过将导致Fitten Code无法调用本地显卡】。
首次启动Ubuntu时，按提示创建Linux用户名与密码。注意不要使用root或空密码，否则后续pip install会因权限问题失败。
配置基础开发环境
进入WSL终端后，先更新系统包索引和核心工具：
sudo apt update && sudo apt upgrade -y
安装Python 3.11及pipenv（用于隔离Fitten Code项目依赖）：
sudo apt install -y python3.11 python3.11-venv python3-pip curl git
将pip指向Python 3.11：
sudo update-alternatives --install /usr/bin/python3 python3 /usr/bin/python3.10 1 && sudo update-alternatives --install /usr/bin/python3 python3 /usr/bin/python3.11 2 && sudo update-alternatives --config python3
选择编号2确认使用3.11版本。这一步不能跳过——Fitten Code官方要求Python版本≥3.10.12且＜3.12，而3.10在Ubuntu 22.04源中存在兼容性问题。
启用GPU加速支持（NVIDIA用户必做）
有两种方式可选，根据实际场景二选一即可：
方法一：安装NVIDIA Container Toolkit（适用于WSL2+Docker场景）
curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg
curl -fsSL https://nvidia.github.io/libnvidia-container/stable/deb/inverse-path/nvidia-container-toolkit.list | sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list
sudo apt-get update && sudo apt-get install -y nvidia-container-toolkit
方法二：直接安装CUDA Toolkit for WSL（轻量级，无需Docker）
访问 https://developer.nvidia.com/cuda-toolkit-wsl 下载对应版本的.run文件（如cuda_12.4.0_535.104.05_linux_sbsa.run），然后执行：
sudo sh cuda_*.run --silent --override
验证是否生效：运行nvidia-smi。若显示GPU型号和驱动版本，说明CUDA已就绪；若报“NVIDIA-SMI has failed”，请检查Windows端NVIDIA驱动是否为535.x或更高版本。
安装并启动Fitten Code
第一步：克隆官方仓库
git clone https://github.com/fitten-ai/fitten-code.git && cd fitten-code
第二步：创建虚拟环境并安装依赖
python3 -m venv .venv && source .venv/bin/activate && pip install --upgrade pip && pip install -e ".[dev]"
第三步：启动服务
fitten-code serve --host 0.0.0.0 --port 8000
启动成功后，打开Windows浏览器访问 http://localhost:8000，即可进入Fitten Code Web UI界面。此时所有代码补全、单元测试生成、模型推理均走WSL内Python环境，且GPU算力直通无损耗——这才是真正意义上的跨平台开发体验。