1. 为什么你绕不开 conda 这套指令先交代一下背景。我最早接触 Python 的时候用的还是系统自带的 Python 和 pip后来项目一多依赖版本互相打架装一个包把另一个包搞坏的事情几乎每周都遇到。直到换成 conda 管理环境才真正把这个烂摊子收拾干净。conda 是什么呢简单说它既是一个包管理器也是一个环境管理器。pip 只能帮你装 Python 包但 conda 连 Python 解释器本身、CUDA 驱动库、系统级的依赖库都能一起管。这意味着你可以在一台机器上同时存在 Python 3.8、3.10、3.12 等多个版本的解释器各自互不干扰不同项目用不同环境彻底隔离依赖冲突。这篇内容适合谁看刚入门 Python 但被依赖折腾疯的新手准备好几个项目同时开发但环境总打架的进阶用户以及想在 Windows、Linux 或 macOS 上规范管理开发环境的任何人。下面我把平时项目里最常用的 conda 指令全部拆开从环境管理到包管理从换源到排错一条一条讲清楚。2. 环境管理虚拟环境是 conda 的第一价值2.1 创建环境conda create 的参数你真的用对了吗创建虚拟环境是最基础也最常用的操作。命令格式并不复杂conda create -n 环境名称 python版本号比如创建 Python 3.12 的环境conda create -n myproject python3.12这里有几个容易忽略的细节。-n是--name的缩写后面跟环境名。很多人在这一步纠结环境名能不能用中文我的建议是不要用因为后续命令行操作和脚本调用时中文环境名在 Windows 终端里很容易出现编码问题给自己找麻烦。如果创建环境后你需要预装一些常用包可以一次性带上conda create -n myproject python3.12 numpy pandas matplotlib刚才提到的热搜词里有个非常典型的命令conda create -n livetalking python3.12。这是一个做 AI 数字人项目的常见场景这种一条命令把 Python 版本和项目名绑定在一起的做法其实就是 conda 最高效的用法——先锁定解释器版本再往环境里装其他依赖。创建环境时还有两个参数值得记住。第一个是-y表示跳过确认提示脚本自动化时非常好用conda create -n myproject python3.12 -y第二个是--clone可以基于现有环境克隆一份一模一样的conda create -n myproject-backup --clone myproject我在实际操作中遇到过一个坑克隆大环境时如果原环境里有很多大体积的包比如 torch、cudatoolkit克隆过程会非常慢而且容易因为网络问题中断。这时候我会优先考虑用后面要讲的conda env export加conda env create -f的方式重建环境速度反而更快。2.2 激活和退出环境Windows 与 Linux/macOS 的差别创建完环境后下一步是激活它conda activate 环境名称Windows 系统下如果提示conda 不是内部或外部命令或者无法将 conda 项识别为 cmdlet、函数说明 conda 没有正确加入系统 PATH或者你在当前终端会话中还没初始化。这个问题在第五节会详细展开。激活环境的本质是什么它会把当前 shell 的 PATH 变量前面插入这个环境的 bin 目录Windows 下是 Scripts 目录这样你敲python或pip时系统优先找到的就是这个环境里的版本。退出环境的命令conda deactivate另外还有个命令要注意source activate和source deactivate是旧版本的用法新版本 conda 已经不太推荐。如果你在网上看到老教程这么写建议统一换成conda activate和conda deactivate。2.3 查看、复制与删除环境查看当前所有环境conda env list也可以简写成conda info --envs输出会显示环境名和路径当前激活的环境前面会带一个*号。删除环境用conda env remove -n 环境名称或者conda remove -n 环境名称 --all效果一样。删除前建议先激活别的环境避免删掉正在使用的环境导致 shell 状态异常。这里要补充一个容易踩的坑删除环境时如果这个环境正在被某个 Jupyter 内核或后台进程占用Windows 下可能会提示删除失败因为文件被锁定了。解决方案是先把相关进程关掉再删。3. 包管理安装、卸载、更新的正确姿势3.1 安装包conda install 和 pip install 怎么选安装包最常见的命令conda install 包名装指定版本conda install 包名版本号比如安装特定版本的 NumPyconda install numpy1.26.0这里有一个非常核心的问题conda install和pip install到底用哪个我的经验是这样的——优先用 conda 装conda 源里没有的包才用 pip 装。为什么因为 conda 在安装时会帮你解析依赖冲突而且它装的包自带编译好的二进制文件不需要在本机走编译流程省事也省时间。但是 conda 官方源里的包数量比 PyPI 少很多尤其是一些新出的冷门库conda 可能根本没有收录。这时候就轮到 pip 出马pip install 包名混用 conda 和 pip 时有一个很重要的工作习惯先conda install装完所有能在 conda 源里找到的包再用 pip 补剩下的。不要装一个 conda 的再装一个 pip 的因为 conda 在后续安装新包时重新解析依赖可能把 pip 装的包覆盖掉造成版本不一致。3.2 从指定渠道安装包与镜像源配置默认情况下conda 从官方源repo.anaconda.com拉取包在国内网络环境下经常慢到怀疑人生。解决办法是换成国内镜像源。以清华源为例换源的做法是修改用户目录下的.condarc文件Windows 用户是C:\Users\用户名\.condarc内容如下channels: - defaults show_channel_urls: true default_channels: - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2 custom_channels: conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud修改完建议执行conda clean -i清除索引缓存再conda update --all验证是否生效。还有一个细节如果你用 conda-forge 渠道安装包命令是conda install -c conda-forge 包名这里的-c参数可以叠加多写几次就是多个渠道conda install -c conda-forge -c pytorch 包名注意渠道是有优先级的写在左边的优先级更高。如果你在安装时遇到依赖解析特别慢的情况可以考虑只保留必要渠道减少解析范围。3.3 卸载、更新与查看已安装的包卸载conda remove 包名批量卸载不存在的场景基本没有但卸载时可以加上-n 环境名指定操作目标环境否则默认操作当前激活的环境。更新单个包conda update 包名更新所有包conda update --all查看当前环境已安装的所有包conda listconda list还有几个衍生用法比如查看指定包是否已安装conda list 包名按正则表达式筛选包conda list ^torch如果某个包是通过 pip 安装而不是 conda 安装的在conda list输出里它的 Build 列会显示pypi_0这能帮你快速判断当前环境里哪些依赖是 pip 打进来的。热搜词里有一条conda torch卸载实际上就是conda remove torch但这里有个很典型的坑如果你的 PyTorch 当初是用 pip 装进 conda 环境的那你用 conda remove 是卸载不掉它的因为 conda 并不知道它的存在。这种情况下只能用pip uninstall torch。我自己就踩过这个坑教训就是安装某个框架时尽量统一用同一个包管理器完成后续维护才不会精神分裂。3.4 精确版本管理环境导出与恢复团队协作或多台机器部署时环境的可复制性很重要。导出当前环境的完整依赖列表conda env export environment.yaml用这个文件重建一模一样的环境conda env create -f environment.yaml这里提示一点完整导出的environment.yaml通常会包含一些本机特有的绝对路径比如/home/ubuntu/anaconda3/envs/myproject换机器恢复环境时这些路径没有意义。如果只是想在另一台机器上恢复项目依赖我更推荐用轻量级的requirements.txtpip freeze requirements.txt然后在新环境里pip install -r requirements.txt不过 conda 环境用 pip freeze 也有一个问题导出的列表里会包含一些只有 conda 才有的包比如 conda 自己在纯 pip 环境里安装会报错。所以实际项目中我会从 pip freeze 的输出中手动筛选必要的依赖再配合conda env export保留 conda 层面的信息两者结合使用。热搜词里还有一条conda 环境tar.gz创建环境这其实是另一种备份方式——直接在 conda 的 envs 目录下把整个环境文件夹打包成 tar.gz再拿到别的机器解压然后用conda create -n 新环境名 --clone /路径/解压目录的形式恢复。这种方法适合内网离线迁移环境但跨操作系统Windows 到 Linux基本不可行因为很多包是编译到特定平台的。4. 实战场景conda 指令在项目中的完整落地4.1 场景一AI 项目环境搭建拿一个常见的 AI 项目举例。需要 Python 3.10、PyTorch、CUDA 支持还涉及 OpenCV 和一堆图像处理库。第一步创建环境并锁定 Python 版本conda create -n ai-project python3.10 -y conda activate ai-project第二步安装 PyTorch。这一步的关键是选择匹配你机器 CUDA 版本的安装命令。官方 PyTorch 网站会自动生成对应命令比如conda install pytorch torchvision torchaudio pytorch-cuda11.8 -c pytorch -c nvidia第三步安装图像处理相关库conda install opencv pillow matplotlib -y第四步用 pip 补装 conda 源里没有的包pip install ultralytics这个流程走下来环境基本一次成型很少出现依赖冲突。4.2 场景二Ubuntu 服务器上的 conda 安装与初始化热搜词里有ubuntu安装conda和ubuntu conda说明不少开发者遇到了 Linux 环境的初始化问题。在 Ubuntu 上装 conda 的正确姿势是下载官方安装脚本wget https://repo.anaconda.com/archive/Anaconda3-2024.10-1-Linux-x86_64.sh bash Anaconda3-2024.10-1-Linux-x86_64.sh安装过程中一路按回车和yes。安装完成后你会发现直接打开终端敲conda命令可能提示找不到。这是因为需要先让 bash 配置生效source ~/.bashrc如果还是没有生效手动执行初始化命令conda init bash然后重新打开终端。这里要提醒一个细节很多人安装时选择了“是否将 conda 初始化为 shell 环境”这个问题的答案是yes否则 Linux 下每次使用 conda 指令前都得手动source一堆脚本非常麻烦。4.3 场景三conda 与 PyCharm / VS Code 的联动在 IDE 里使用 conda 环境时会遇到两个热搜词提到的困惑pycharm添加conda虚拟环境和vscode 中执行py文件在 conda下执行。PyCharm 里的操作路径File - Settings - Project - Python Interpreter - Add Interpreter - Add Local Interpreter - Conda Environment然后选择已有环境或新建环境即可。这里有个容易犯的错选Virtualenv Environment是创建原生 Python 虚拟环境跟 conda 环境不是一回事要用 conda 管理或复用 conda 环境必须选Conda Environment。VS Code 里相对简单按CtrlShiftP打开命令面板输入Python: Select Interpreter然后选择光标指向的 conda 环境即可。如果想要在终端里激活 conda 环境再运行 py 文件直接用conda activate 环境名 python 你的脚本.py就好。4.4 场景四conda 和 CMake 项目的组合热搜词里有windows orbbec cmake conda python这类项目一般是在 Windows 上用 CMake 构建 C 核心再包装 Python 接口然后用 conda 管理 Python 依赖。实际操作中conda 提供了 Python 库路径和头文件路径CMake 构建时通过设定的Python_EXECUTABLE或Python3_ROOT_DIR来定位 conda 环境。常见的坑是如果你在 conda 环境里安装了多个 Python 版本CMake 在找 Python 时可能会选中系统自带的 Python 而不是 conda 环境的。解决办法是构建时明确指定cmake -DPython3_EXECUTABLE$(which python) -DPython3_INCLUDE_DIR$(python -c import sysconfig;print(sysconfig.get_paths()[include])) -DPython3_LIBRARY$(python -c import sysconfig;print(sysconfig.get_config_var(LIBDIR))) ..简单说先用conda activate切到目标环境用which python确认你用的 Python 就是 conda 环境的再传给 CMake这样基本不会错。5. 高频报错与排查技巧速查5.1 “conda 不是内部或外部命令” / “conda 项无法识别”Windows 下最常见的两个报错本质都是同一个问题conda 没有在 PATH 环境变量里生效。对照排查Conda 确实安装了吗去开始菜单找找 Anaconda Prompt。当前打开的是普通 CMD 或 PowerShell而不是 Anaconda 的专用终端此时需要先运行conda init或者conda init powershell然后重新打开终端。安装 conda 时是否勾选了“Add to PATH”选项没勾选的话需要手动把C:\ProgramData\Anaconda3和C:\ProgramData\Anaconda3\Scripts加入系统 PATH。提示Windows 下修改 PATH 后要重新打开终端窗口才生效不是刷新一下就行的。Linux 或 macOS 下如果报同样的错先检查~/.bashrc或~/.zshrc里是否有conda init生成的代码块。如果被其他工具覆盖了重新执行conda init即可。5.2 “run conda init before conda activate”这个报错一般出现在 conda 4.6 以上版本。原因是 shell 没有初始化 conda 钩子函数。执行conda init然后关闭并重新打开终端。如果你用的是 zshconda init zsh问题就解决了。5.3 创建环境失败或下载速度极慢创建环境失败通常有几种情况网络超时。换国内镜像源是第一步。以清华源为例修改.condarc后很多 40KB/s 的下载速度能飙升到几 MB/s。下载中断导致缓存损坏。可以试试先清缓存conda clean -a然后重新创建环境。这里的-a表示 all包括索引缓存、包缓存、日志文件等。磁盘空间不足。这个容易忽略conda 环境装上 conda-forge 源的大型包以后很容易超过 10GB创建环境前注意检查磁盘剩余空间。5.4 vs code无法识别conda / IDE 里切了环境还是用的旧包VS Code 无法识别 conda 环境或者明明切换了环境但运行脚本用的还是旧 Python通常都是 Python 扩展没有正确加载 conda 环境。解决办法先确认 VS Code 左下角显示的 Python 解释器路径是不是指向 conda 环境然后在设置里搜索python.condaPath把它指向 conda 可执行文件的位置最后重启 VS Code。如果你在 VS Code 的集成终端里敲python结果调用了系统 Python而不是 conda 环境的注意检查终端是否已经激活环境。VS Code 的集成终端默认不会继承你在外部终端里激活的环境需要你手动在终端里执行conda activate 环境名或conda deactivate切换。5.5 安装包时提示 “could not solve for environment specs”这是 conda 的依赖求解器觉得当前渠道里没有能满足所有依赖的版本组合。常见原因之一是频道不对。解决思路conda install -c conda-forge 包名改用 conda-forge 渠道往往就能绕过这个问题。另一个思路是放宽版本限制不要一上来就锁定版本号先conda install 包名试试让 conda 自行解析最合适的版本。最后还可以试试升级 conda 本身conda update conda新版求解器libmamba对大型依赖图的解析速度有明显提升也能减少部分此类报错。6. 指令速查表一张表看完常用命令下面把常用指令按用途整理成表格方便快速查阅。这张表覆盖了日常开发 90% 以上的 conda 使用场景。操作指令查看 conda 版本conda --version查看所有环境conda env list创建环境conda create -n 环境名 python3.12克隆环境conda create -n 新环境名 --clone 旧环境名激活环境conda activate 环境名退出环境conda deactivate删除环境conda env remove -n 环境名安装包conda install 包名指定渠道安装conda install -c conda-forge 包名安装指定版本conda install 包名1.26.0卸载包conda remove 包名更新包conda update 包名更新所有包conda update --all查看已装包conda list搜索可安装版本conda search 包名导出环境配置conda env export environment.yaml从文件创建环境conda env create -f environment.yaml清缓存conda clean -a更新 conda 本体conda update conda修改镜像源编辑~/.condarc文件从我个人的使用体验来说conda 指令本身并不复杂真正的难点在于理解“环境”这套抽象以及在不同操作系统、不同 IDE、不同项目需求之间灵活切换。把上面这些指令练顺手日常开发中 90% 的环境问题都能自己解决。最后再分享一个小技巧命令行里输入指令时按 Tab 键可以自动补全环境名和包名不用手敲一长串字母实测在国内外多数终端环境下都有效能省不少事。