装完 Claude Code 不知道配好了没？一个命令告诉你答案

你有没有遇到过这种情况——本地跑模型报错 CUDA out of memory，然后花了两小时翻 Stack Overflow，最后发现是 GPU 驱动版本太旧了？或者 Docker 里面配好了 GPU 加速，结果 CI 流水线一跑就挂？

env-doctor 就是来解决这个痛点的。

这是一个专门给 AI/ML 开发者用的环境诊断 MCP 工具，能自动检测 CUDA、GPU 驱动、cuDNN、PyTorch 这些东西的兼容性问题——本地、Docker、CI/CD 全都支持。

它能做什么

装上之后，你直接用自然语言让 Claude 帮你诊断：

“帮我检查一下本地 CUDA 环境有没有问题”

然后它会告诉你驱动版本对不对、cuDNN 配了没有、PyTorch 能不能认到 GPU。更厉害的是，它还能帮你生成 Docker 修复配置，直接解决版本不匹配的问题。

对于 ML 团队来说，这个工具最实用的场景是在 CI/CD 流水线里做 GPU 环境验证——不用再等流水线跑一半才发现 GPU 跑不起来。

怎么装

两种方式：

方式一：Claude Code 直接装（推荐）

claude plugins install mitulgarg/env-doctor

方式二：MCP 服务器模式（适合项目级配置）

pip install env-doctor
env-doctor --help

配好之后，Claude Code、Claude Cowork、Claude Chat 都能用。

为什么值得装

171 个 GitHub stars，MIT 协议可以商用，最近还有活跃更新。主要解决两个问题：

1. 减少排错时间——以前翻文档才能找到的 GPU 兼容性问题，现在问一句 Claude 就知道了
2. CI/CD 防翻车——在流水线早期就把 GPU 环境问题拦截掉

如果你经常在本地跑大模型，或者团队有 GPU 训练流程，这个 Skill 值得装上试试。

GitHub 链接：https://github.com/mitulgarg/env-doctor

GitHub: https://github.com/mitulgarg/env-doctor