通过以上三步，你应已在 RTX 5060 上成功配置好支持 CUDA 12.8 的 PyTorch 深度学习环境。验证步骤的输出是最终的“通行证”。接下来，你就可以在此环境中畅快运行各种大模型和深度学习任务了。

下载nvidia_*_cu13到wheels文件夹的指令，配套CUDA13.0。主要是为了提前离线下载，则在构建镜像时这部分无需联网，加快构建镜像时间。

快速查看torch的内置依赖约束、版本相关和下载链接，以及onnx-runtime-gpu的版本

13.0.2 存在图形 API 缺陷，NVIDIA 后续在公有源直接发布修复版 13.0.3，不再同步 13.0.2 到公共渠道，然而PyTorch cu130 wheel 写死依赖 cuda-toolkit==13.0.2，pip 安装时会强制校验版本，一定会报错。所以不能递归依赖下载

2.1 创建一个 Dockerfile：2.2 编写 docker-compose.yml2.3 修改代码连接redis的编码2.4 关于工作目录2.5 关于多容器架构5.1 Docker 引擎和 Docker Compose 必须安装在 Windows 操作系统上，绝对不能安装在 Conda 环境里。在langchain-conda-env 环境（Conda）编码的项目，以下是具体的操作步骤：第

方案：name仅为工具标识字符串，对外入参由_run函数决定，仅暴露 query，，其余业务参数通过闭包注入，对模型不可见。前置拦截优化：在接口最开始拦截数学类常识问题，直接跳过完整的 Agent 工具调用链路，省去 LLM 推理、向量编码的耗时；方案：规则统一放系统提示词，精简工具描述；问题：误用全局@tool定义工具，无法动态传入top_k、相似度阈值，只能使用默认参数，和 RAG 检索配置不

(注：虽然 host-gateway 在某些极老版本的 WSL2 环境下可能不生效，但在较新的 Docker Engine 中通常能完美解决原生 Docker 的 DNS 问题。已在 Windows 高级安全防火墙中添加名为 “ollama docker access” 的入站规则，放行 TCP 协议的 11434 端口，且授权对象设为“任何”。：在 WSL2 环境下运行的 Docker 容器内，

(注：虽然 host-gateway 在某些极老版本的 WSL2 环境下可能不生效，但在较新的 Docker Engine 中通常能完美解决原生 Docker 的 DNS 问题。已在 Windows 高级安全防火墙中添加名为 “ollama docker access” 的入站规则，放行 TCP 协议的 11434 端口，且授权对象设为“任何”。：在 WSL2 环境下运行的 Docker 容器内，

2.1 创建一个 Dockerfile：2.2 编写 docker-compose.yml2.3 修改代码连接redis的编码2.4 关于工作目录2.5 关于多容器架构5.1 Docker 引擎和 Docker Compose 必须安装在 Windows 操作系统上，绝对不能安装在 Conda 环境里。在langchain-conda-env 环境（Conda）编码的项目，以下是具体的操作步骤：第

2.1 创建一个 Dockerfile：2.2 编写 docker-compose.yml2.3 修改代码连接redis的编码2.4 关于工作目录2.5 关于多容器架构5.1 Docker 引擎和 Docker Compose 必须安装在 Windows 操作系统上，绝对不能安装在 Conda 环境里。在langchain-conda-env 环境（Conda）编码的项目，以下是具体的操作步骤：第