作为专业开发者，Linux是绕不开的基石。最近整理了系统性的Linux学习笔记，从基础架构到Shell命令，再到目前火热的AI大模型本地部署（Ollama），内容比较全面。以下为精华总结，希望能帮助大家快速梳理Linux知识体系。
一、 Linux系统基础与架构
1. 版本与发行版
核心：Linux由“内核版”和“发行版”组成。内核负责与硬件交互；发行版则是“内核+生态软件”。
常见发行版：Ubuntu（桌面友好）、CentOS（服务器常用）、RedHat、Debian。
特点：开源免费、稳定安全、熟练掌握命令行操作是进阶的必备技能。
2. 获取方式
本地：直接安装双系统（不支持同时运行），或者使用虚拟机（如VMware，通过虚拟化技术模拟硬件）。
云端：使用阿里云/腾讯云/华为云服务器，或者使用云开发环境（如Cloud Studio）。
二、 核心文件系统与目录结构
Linux中没有盘符，一切皆文件，根目录为/。
/boot：启动文件内核/etc：软件配置文件（如/etc/apt/sources.list是apt下载源）/home：普通用户目录/opt：第三方软件存放位置/proc：进程目录（一切皆文件，一个进程一个文件）/bin,/usr/bin：普通用户可执行文件/sbin,/usr/sbin：root管理员可执行文件
三、 高频基础指令 (核心)
1. 文件与权限
查看：
ls -l列表形式展示；ls -a显示隐藏文件；ls -h易于理解。目录操作：
pwd(当前路径)，cd(切换目录：cd /根目录，cd ..上级目录)。文件操作：
mkdir(创建目录，-p创建多级)，touch(创建文件)，rm(删除，-rf强制递归删除)，cp(复制)，mv(剪切/移动)。权限管理（重点）：分为u(当前用户)，g(用户组)，o(其他用户)。
-代表文件，d代表目录，l代表软链接。数字权限：r(4)，w(2)，x(1)。可用chmod修改权限（如777或u+x）。
2. 文本查看与处理
查看：
cat(全文)，head/tail(首尾)，less/more(分页)。重定向：
>覆盖，>>追加。管道：
|将左边的输出作为右边的输入（例如：cat file | grep error）。压缩解压：
tar -zcvf(打包压缩)，-zxvf(解压)；gzip；zip/unzip。
3. 用户、系统与网络
用户管理：
useradd -m(创建用户自动建家目录)，passwd(改密码)，su(切换用户)。系统监控：
uname -r(系统内核)，free -h(内存)，df -h(磁盘)，lscpu(CPU)。网络：
ip address/ifconfig(查看IP)，ping(测连通)，netstat -tunlp(查看端口)，curl/wget(下载工具)。
四、 服务器管理与远程连接
SSH：默认端口22。配置
sudo apt install openssh-server后，可跨平台远程连接。SCP：基于SSH的安全远程拷贝工具。
scp -r 本地目录 用户名@IP:/目标路径。服务管理：使用
systemctl(如systemctl status ssh) 或service命令管理服务状态（启动、停止、重启）。
五、 开发常用工具与 Vim 编辑器
1. Vim 编辑器
Vim分为普通模式、插入模式、命令模式。
普通模式：
yy复制，p粘贴，dd删除行，u撤销，ctrl+r恢复。插入模式：
i(光标前)，a(光标后)，o(下一行)。命令模式：
:wq(保存退出)，:q!(强制退出)，set nu(显示行号)。
2. Jupyter 与 包管理
使用
pip install jupyter安装，启动：jupyter notebook --allow-root --ip=0.0.0.0 --port=8888。使用
apt update更新镜像，apt install <包名>安装软件。
六、 进阶：本地部署 AI 大模型 (Ollama)
结合当下AI热点，Ollama提供了本地部署大模型的完美方案。
1. 安装与运行
安装：
curl -fsSL https://ollama.com/install.sh | sh启动：
OLLAMA_HOST=0.0.0.0:11434 ollama serve核心命令：
ollama list(看模型)，ollama pull <模型名>(拉取)，ollama run <模型名>(运行)。
2. 模型开发与自定义 (Modelfile)
在Ollama中，可以通过编写Modelfile来定制模型行为。
核心参数调优：
temperature：控制随机性与创造性。低值（0.1-0.3）适合代码/事实问答；高值（0.8-1.5）适合创意对话。num_predict：限制生成的最大Token数（-1为不限）。num_ctx：模型推理时“记住”的上下文长度。top_k/top_p：采样策略优化，控制词汇选择与多样性。embedding：文本转向量，基于余弦计算语义相似度。Tool calling：支持工具调用，让模型能执行代码或结合外部API（如 web_search）。
