用途：在加速器平台上创建或修复 PyTorch 的 Python/wheel 层环境，当前已验证实例为 MUSA（Moore Threads）。不负责安装内核驱动，需先具备用户态 Toolkit、muDNN、MCCL 与匹配的 libmusa.so.1。
主要能力：区分两类包源。厂商源（如 MUSA 的 https://dl.mthreads.com/repo/api/pypi/pypi/simple）用于含厂商二进制或补丁的包，如 torch、torch_musa、torchvision、torchaudio、triton、tilelang_musa、mate 等；公共源（https://pypi.org/simple）用于 transformers、accelerate、numpy、pandas 等设备无关库。禁止用公共 CUDA wheel 替代 torch、triton、flash-attn、bitsandbytes、NCCL 等。
使用方式：先确认 Python ABI 与 SDK 版本，用 pip index versions --index-url 厂商源 查询可用版本并选完整匹配行。安装时显式指定 index，避免把厂商源设为全局索引或对核心包用 --extra-index-url。简单模式先装加速器包再装公共包；严格分离模式对厂商包用 --no-deps，再单独装公共依赖。安装前需设置 MUSA_HOME、MUSA_INSTALL_PATH、MUSA_DRIVER_LIB_DIR、PATH、LD_LIBRARY_PATH、MUSA_VISIBLE_DEVICES，且匹配的用户态 libmusa.so.1 目录须排在 Toolkit 库之前。
验证：pip show、pip check、pip config list 确认未被 CUDA 版 torch 替换；用 ldd 检查缺失库；用 Python 脚本检查 torch.musa.is_available()、device_count 并做 bfloat16 矩阵乘与 autocast；分布式用 mccl 后端先单进程再 torchrun 双进程测试。
限制：版本矩阵需按平台实查，未验证项应标注；torch.cuda.is_available() 在原生 torch_musa 下可能为 false；NumPy 版本需与 wheel 匹配（本地 2.9.1 MUSA wheel 用 numpy==1.26.4）；部分仓库仅有厂商 fork，需按分支说明安装。其他平台的具体 index、包族表与版本行暂未提供。