简介这份《Anaconda 安装与配置指南》面向数据科学、机器学习初学者及需要快速搭建 Python 开发环境的用户系统梳理了从下载、安装到环境配置的完整流程。资源以 docx 文档形式交付压缩包内共 1 个文件体积约 9KB内容紧凑、重点突出便于随时查阅。文档涵盖 Windows 平台下的安装步骤与选项说明、清华镜像源配置方法、conda 常用命令虚拟环境创建与包管理、环境变量手动添加路径以及 Linux 与 macOS 的差异化安装要点并针对 Anaconda 2025.02 版本给出具体操作参考。目前已有 252 人学习下载适合希望避开系统盘占用、加速包下载、解决环境变量与版本冲突问题的读者可作为安装配置阶段的实用速查手册。1. 为什么你的 Anaconda 装完就翻车从 PATH 污染到环境漂移很多人第一次装 Anaconda装完就发现系统自带的 Python 不见了或者终端里python命令指向了一个完全陌生的版本再或者conda activate死活不生效。这不是玄学是安装路径、初始化脚本和 shell 配置三者没对齐。Anaconda 安装与配置指南要解决的核心问题就一个让 conda 的环境隔离机制真正生效而不是装完就变成一个“大号 Python 安装包”。它适合两类人一类是刚接触数据科学、需要同时维护多个项目依赖的开发者另一类是已经被系统 Python 和 pip 混装搞到崩溃、想用 conda 重建秩序的老手。这一章先把安装前必须想清楚的三个决策点讲透后面再动手。安装 Anaconda 之前先确认三件事装 Miniconda 还是完整版 Anaconda、装到哪个路径、要不要让安装器自动初始化 shell。Miniconda 只带 conda 和 Python体积小、可控完整版预装几百个包省事但容易让你分不清哪些包是项目真正需要的。路径上Linux/macOS 常见做法是~/miniconda3或~/anaconda3Windows 则建议避开Program Files和中文路径否则后续某些包编译时会因为空格和编码问题翻车。自动初始化这一步新手建议勾选老手建议手动控制因为自动初始化会往.bashrc或.zshrc里写一段 conda 的 shell 函数一旦你后面想换安装路径这段残留就是血泪经验的来源。2. 安装方式怎么选图形安装器、命令行脚本与包管理器2.1 三种安装路径的适用边界图形安装器适合 Windows 和 macOS 桌面用户双击、下一步、勾选项门槛最低。但它的坑在于默认勾选“Add Anaconda to my PATH environment variable”时会把 conda 的 Python 塞到系统 PATH 最前面导致系统自带的 Python 被覆盖。命令行脚本适合 Linux 服务器和 macOS 终端用户下载.sh文件后bash执行交互式回答几个问题即可。包管理器方式如brew install --cask anaconda适合已经重度依赖包管理器的用户但 conda 和 brew 的 Python 生态容易互相干扰不建议新手走这条路。我一般会推荐Windows 用图形安装器但取消 PATH 勾选Linux/macOS 用命令行脚本并手动初始化。这样安装过程可控出问题也知道去哪找日志。2.2 Linux/macOS 命令行安装的完整步骤以下载 Miniconda 为例假设安装到~/miniconda3。先确认系统架构再下载对应脚本最后静默安装。# 确认系统架构x86_64 还是 arm64 uname -m # 下载 Miniconda 安装脚本以 Linux x86_64 为例 # 实际下载地址请以官方最新发布为准这里用变量占位 MINICONDA_URLhttps://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh curl -fsSL $MINICONDA_URL -o /tmp/miniconda.sh # 校验下载文件是否完整可选但推荐 ls -lh /tmp/miniconda.sh # 静默安装到指定目录-b 表示 batch 模式-p 指定路径 bash /tmp/miniconda.sh -b -p $HOME/miniconda3 # 安装完成后手动初始化当前 shell $HOME/miniconda3/bin/conda init bash这段脚本的关键参数-b让安装过程不交互适合脚本化-p指定安装路径避免默认装到用户目录下某个隐藏文件夹conda init bash会往~/.bashrc写入初始化块。执行完conda init后需要source ~/.bashrc或重开终端才能让conda命令生效。如果你用的是 zsh把bash换成zsh即可。2.3 Windows 图形安装器的勾选策略Windows 安装器走到“Advanced Options”页面时有两个勾选项需要决策。第一项“Add Anaconda3 to my PATH environment variable”建议不勾理由前面说了PATH 污染后患无穷。第二项“Register Anaconda3 as my default Python”可以勾它只影响文件关联和注册表不会强行改 PATH。安装完成后从开始菜单打开“Anaconda Prompt”这是一个已经初始化好 conda 的专用终端在里面执行conda --version能正常输出版本号说明安装成功。如果想让普通 PowerShell 也能用 conda再手动执行conda init powershell然后重启终端。3. 配置 conda 的核心参数镜像、环境路径与默认行为3.1 换镜像源解决下载慢和超时conda 默认从官方源拉包国内网络环境下经常超时。换镜像源是安装后第一件要做的事。配置文件在~/.condarc没有就新建。# 生成或覆盖 ~/.condarc写入镜像配置 cat ~/.condarc EOF 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 EOF # 清除索引缓存让新配置生效 conda clean -ishow_channel_urls: true让你在安装包时能看到包来自哪个 channel排查版本冲突时很有用。default_channels覆盖了 conda 的默认源custom_channels则把 conda-forge、pytorch 这些常用第三方 channel 也指向镜像。执行conda clean -i清掉旧索引缓存否则 conda 可能还在用之前拉取的元数据。换完源后conda install numpy的下载速度会有明显改善。3.2 环境路径与 envs_dirs 配置默认情况下conda 环境创建在安装目录下的envs文件夹里。如果你把 Miniconda 装在系统盘环境一多磁盘就吃紧。可以通过envs_dirs把环境路径改到数据盘。# 查看当前环境路径配置 conda config --show envs_dirs # 添加自定义环境目录优先级按顺序排列 conda config --add envs_dirs /data/conda_envs # 再次查看确认 conda config --show envs_dirsconda config --add envs_dirs会把新路径加到列表最前面之后conda create -n myenv就会在/data/conda_envs/myenv下创建环境。注意目标目录要有写权限否则创建环境时会报权限错误。如果你已经有一些环境在旧路径下迁移时直接移动文件夹再conda env list确认即可但移动后建议重新激活一次让 conda 更新环境内的路径记录。3.3 关闭自动激活 base 环境安装完 conda 后每次打开终端都会自动激活base环境提示符前面多一个(base)。这本身不是问题但如果你经常用系统 Python 或其他工具自动激活会带来干扰。关闭方法# 关闭自动激活 base conda config --set auto_activate_base false # 如果需要临时激活 base conda activate baseauto_activate_base false写入.condarc后新开的终端不会自动进 base需要手动conda activate。这个设置对服务器用户尤其友好避免 base 环境里的包和系统工具冲突。4. 避坑与排查安装配置中最容易翻车的五个场景4.1 conda: command not found现象安装完脚本后终端输入conda提示找不到命令。原因conda init没有执行或者执行了但当前 shell 没有重新加载配置文件。解决先确认安装路径下bin/conda存在然后执行~/miniconda3/bin/conda init bash再source ~/.bashrc。如果用的是 zsh把bash换成zsh。Windows 下则检查是否在 Anaconda Prompt 里操作普通 CMD 需要手动初始化。4.2 创建环境时 Solving environment 卡住现象conda create -n test python3.11卡在 “Solving environment” 几分钟甚至更久。原因conda 的依赖求解器在包多、channel 多的时候会变慢尤其是没换镜像源时。解决换镜像源后执行conda clean -i然后尝试用conda create -n test python3.11 --dry-run先看求解结果。如果还是慢可以改用mamba它是 conda 的 C 重写版求解速度更快。安装 mamba 的方式是在 base 环境执行conda install -n base -c conda-forge mamba之后把conda命令替换成mamba即可。4.3 pip 和 conda 混装导致依赖冲突现象在 conda 环境里用 pip 装了一个包之后 conda 装另一个包时提示依赖冲突或者包版本被降级。原因pip 不感知 conda 的依赖树pip 装的包 conda 不知道conda 装的包 pip 也可能覆盖。解决优先用 conda 装包conda 没有的再用 pip。如果必须用 pip先conda install pip确保环境内有 pip然后用python -m pip install而不是直接pip install避免 pip 指向其他环境。混装后如果出问题最彻底的办法是重建环境把依赖写进environment.yml一次性创建。4.4 环境激活后 Python 版本不对现象conda activate myenv后python --version显示的还是系统 Python 版本。原因环境没有正确激活或者 PATH 里系统 Python 优先级更高。解决激活后执行which pythonWindows 用where python确认指向的是环境目录下的bin/python。如果不是检查conda activate是否真的成功提示符有没有变成(myenv)。另外检查.bashrc里 conda 初始化块是否在 PATH 设置之后顺序错了也会导致激活失效。4.5 磁盘空间被 conda 缓存吃满现象用了一段时间后磁盘空间莫名减少du -sh ~/miniconda3发现几十 GB。原因conda 会缓存下载的包和索引pkgs目录会越来越大。解决定期执行conda clean --all它会清理未使用的包缓存、索引缓存和 tarball。如果环境多还可以用conda env list查看所有环境删掉不再用的环境conda env remove -n old_env。建议把conda clean --all写进月度维护习惯别等到磁盘报警才处理。5. 用 environment.yml 锁定环境从手动配置到一键复现5.1 导出与重建环境的标准流程手动conda install一个个装包时间一长就忘了装过什么。environment.yml是 conda 的环境描述文件能把你当前环境的依赖完整导出换机器时一键重建。# 导出当前环境到 environment.yml conda env export -n myenv environment.yml # 查看导出的文件内容 cat environment.yml导出的文件包含环境名、channel 列表和依赖包及精确版本号。但直接导出的文件可能包含平台相关的包比如__linux、__osx跨平台重建时会报错。更稳妥的做法是手动维护一个精简版# environment.yml 精简版示例 name: myenv channels: - defaults - conda-forge dependencies: - python3.11 - numpy1.26 - pandas2.1 - pip - pip: - requests2.31.0这个文件只写核心依赖和版本范围不写平台相关包。重建时执行# 根据 environment.yml 创建环境 conda env create -f environment.yml # 如果环境已存在更新依赖 conda env update -f environment.yml --prune--prune会移除环境中不在 yml 文件里的包让环境严格对齐文件描述。这个参数在团队协作时很有用能避免“我本地能跑”的经典问题。5.2 用 conda-pack 打包环境迁移到离线机器有些生产环境没有外网无法直接conda env create。这时可以用conda-pack把整个环境打包成 tar 包复制到目标机器解压即可。# 在源机器安装 conda-pack conda install -n base -c conda-forge conda-pack # 打包指定环境 conda pack -n myenv -o myenv.tar.gz # 在目标机器创建目录并解压 mkdir -p ~/envs/myenv tar -xzf myenv.tar.gz -C ~/envs/myenv # 激活环境需要先 conda init source ~/envs/myenv/bin/activateconda pack会把环境内的 Python 解释器和所有依赖打包解压后直接可用。注意目标机器的操作系统和架构要和源机器一致否则二进制包不兼容。解压后如果提示路径不对执行conda-unpack修正环境内的硬编码路径。5.3 验证环境是否真正隔离配置完成后用一个简单脚本验证环境隔离是否生效。在myenv环境下执行# check_env.py import sys import numpy as np print(Python 路径:, sys.executable) print(Python 版本:, sys.version) print(NumPy 版本:, np.__version__) print(NumPy 路径:, np.__file__)运行python check_env.py观察输出的 Python 路径是否指向myenv目录。如果指向系统路径说明环境没激活成功。NumPy 路径也应该在myenv的site-packages下。这个检查在排查“为什么包版本不对”时特别直接比反复conda list更快定位问题。我自己的习惯是每建一个新环境先跑一遍这个检查脚本确认解释器和核心包路径都在环境目录内再开始装项目依赖。这个动作花不到十秒但能省掉后面半小时的版本排查。希望帮到你。本文还有配套的精品资源点击获取 
长河君 · 2026/10/15 10:12:04 · 阅读 1.2k Anaconda安装配置避坑指南：从PATH污染到环境隔离实战
简介这份《Anaconda 安装与配置指南》面向数据科学、机器学习初学者及需要快速搭建 Python 开发环境的用户系统梳理了从下载、安装到环境配置的完整流程。资源以 docx 文档形式交付压缩包内共 1 个文件体积约 9KB内容紧凑、重点突出便于随时查阅。文档涵盖 Windows 平台下的安装步骤与选项说明、清华镜像源配置方法、conda 常用命令虚拟环境创建与包管理、环境变量手动添加路径以及 Linux 与 macOS 的差异化安装要点并针对 Anaconda 2025.02 版本给出具体操作参考。目前已有 252 人学习下载适合希望避开系统盘占用、加速包下载、解决环境变量与版本冲突问题的读者可作为安装配置阶段的实用速查手册。1. 为什么你的 Anaconda 装完就翻车从 PATH 污染到环境漂移很多人第一次装 Anaconda装完就发现系统自带的 Python 不见了或者终端里python命令指向了一个完全陌生的版本再或者conda activate死活不生效。这不是玄学是安装路径、初始化脚本和 shell 配置三者没对齐。Anaconda 安装与配置指南要解决的核心问题就一个让 conda 的环境隔离机制真正生效而不是装完就变成一个“大号 Python 安装包”。它适合两类人一类是刚接触数据科学、需要同时维护多个项目依赖的开发者另一类是已经被系统 Python 和 pip 混装搞到崩溃、想用 conda 重建秩序的老手。这一章先把安装前必须想清楚的三个决策点讲透后面再动手。安装 Anaconda 之前先确认三件事装 Miniconda 还是完整版 Anaconda、装到哪个路径、要不要让安装器自动初始化 shell。Miniconda 只带 conda 和 Python体积小、可控完整版预装几百个包省事但容易让你分不清哪些包是项目真正需要的。路径上Linux/macOS 常见做法是~/miniconda3或~/anaconda3Windows 则建议避开Program Files和中文路径否则后续某些包编译时会因为空格和编码问题翻车。自动初始化这一步新手建议勾选老手建议手动控制因为自动初始化会往.bashrc或.zshrc里写一段 conda 的 shell 函数一旦你后面想换安装路径这段残留就是血泪经验的来源。2. 安装方式怎么选图形安装器、命令行脚本与包管理器2.1 三种安装路径的适用边界图形安装器适合 Windows 和 macOS 桌面用户双击、下一步、勾选项门槛最低。但它的坑在于默认勾选“Add Anaconda to my PATH environment variable”时会把 conda 的 Python 塞到系统 PATH 最前面导致系统自带的 Python 被覆盖。命令行脚本适合 Linux 服务器和 macOS 终端用户下载.sh文件后bash执行交互式回答几个问题即可。包管理器方式如brew install --cask anaconda适合已经重度依赖包管理器的用户但 conda 和 brew 的 Python 生态容易互相干扰不建议新手走这条路。我一般会推荐Windows 用图形安装器但取消 PATH 勾选Linux/macOS 用命令行脚本并手动初始化。这样安装过程可控出问题也知道去哪找日志。2.2 Linux/macOS 命令行安装的完整步骤以下载 Miniconda 为例假设安装到~/miniconda3。先确认系统架构再下载对应脚本最后静默安装。# 确认系统架构x86_64 还是 arm64 uname -m # 下载 Miniconda 安装脚本以 Linux x86_64 为例 # 实际下载地址请以官方最新发布为准这里用变量占位 MINICONDA_URLhttps://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh curl -fsSL $MINICONDA_URL -o /tmp/miniconda.sh # 校验下载文件是否完整可选但推荐 ls -lh /tmp/miniconda.sh # 静默安装到指定目录-b 表示 batch 模式-p 指定路径 bash /tmp/miniconda.sh -b -p $HOME/miniconda3 # 安装完成后手动初始化当前 shell $HOME/miniconda3/bin/conda init bash这段脚本的关键参数-b让安装过程不交互适合脚本化-p指定安装路径避免默认装到用户目录下某个隐藏文件夹conda init bash会往~/.bashrc写入初始化块。执行完conda init后需要source ~/.bashrc或重开终端才能让conda命令生效。如果你用的是 zsh把bash换成zsh即可。2.3 Windows 图形安装器的勾选策略Windows 安装器走到“Advanced Options”页面时有两个勾选项需要决策。第一项“Add Anaconda3 to my PATH environment variable”建议不勾理由前面说了PATH 污染后患无穷。第二项“Register Anaconda3 as my default Python”可以勾它只影响文件关联和注册表不会强行改 PATH。安装完成后从开始菜单打开“Anaconda Prompt”这是一个已经初始化好 conda 的专用终端在里面执行conda --version能正常输出版本号说明安装成功。如果想让普通 PowerShell 也能用 conda再手动执行conda init powershell然后重启终端。3. 配置 conda 的核心参数镜像、环境路径与默认行为3.1 换镜像源解决下载慢和超时conda 默认从官方源拉包国内网络环境下经常超时。换镜像源是安装后第一件要做的事。配置文件在~/.condarc没有就新建。# 生成或覆盖 ~/.condarc写入镜像配置 cat ~/.condarc EOF 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 EOF # 清除索引缓存让新配置生效 conda clean -ishow_channel_urls: true让你在安装包时能看到包来自哪个 channel排查版本冲突时很有用。default_channels覆盖了 conda 的默认源custom_channels则把 conda-forge、pytorch 这些常用第三方 channel 也指向镜像。执行conda clean -i清掉旧索引缓存否则 conda 可能还在用之前拉取的元数据。换完源后conda install numpy的下载速度会有明显改善。3.2 环境路径与 envs_dirs 配置默认情况下conda 环境创建在安装目录下的envs文件夹里。如果你把 Miniconda 装在系统盘环境一多磁盘就吃紧。可以通过envs_dirs把环境路径改到数据盘。# 查看当前环境路径配置 conda config --show envs_dirs # 添加自定义环境目录优先级按顺序排列 conda config --add envs_dirs /data/conda_envs # 再次查看确认 conda config --show envs_dirsconda config --add envs_dirs会把新路径加到列表最前面之后conda create -n myenv就会在/data/conda_envs/myenv下创建环境。注意目标目录要有写权限否则创建环境时会报权限错误。如果你已经有一些环境在旧路径下迁移时直接移动文件夹再conda env list确认即可但移动后建议重新激活一次让 conda 更新环境内的路径记录。3.3 关闭自动激活 base 环境安装完 conda 后每次打开终端都会自动激活base环境提示符前面多一个(base)。这本身不是问题但如果你经常用系统 Python 或其他工具自动激活会带来干扰。关闭方法# 关闭自动激活 base conda config --set auto_activate_base false # 如果需要临时激活 base conda activate baseauto_activate_base false写入.condarc后新开的终端不会自动进 base需要手动conda activate。这个设置对服务器用户尤其友好避免 base 环境里的包和系统工具冲突。4. 避坑与排查安装配置中最容易翻车的五个场景4.1 conda: command not found现象安装完脚本后终端输入conda提示找不到命令。原因conda init没有执行或者执行了但当前 shell 没有重新加载配置文件。解决先确认安装路径下bin/conda存在然后执行~/miniconda3/bin/conda init bash再source ~/.bashrc。如果用的是 zsh把bash换成zsh。Windows 下则检查是否在 Anaconda Prompt 里操作普通 CMD 需要手动初始化。4.2 创建环境时 Solving environment 卡住现象conda create -n test python3.11卡在 “Solving environment” 几分钟甚至更久。原因conda 的依赖求解器在包多、channel 多的时候会变慢尤其是没换镜像源时。解决换镜像源后执行conda clean -i然后尝试用conda create -n test python3.11 --dry-run先看求解结果。如果还是慢可以改用mamba它是 conda 的 C 重写版求解速度更快。安装 mamba 的方式是在 base 环境执行conda install -n base -c conda-forge mamba之后把conda命令替换成mamba即可。4.3 pip 和 conda 混装导致依赖冲突现象在 conda 环境里用 pip 装了一个包之后 conda 装另一个包时提示依赖冲突或者包版本被降级。原因pip 不感知 conda 的依赖树pip 装的包 conda 不知道conda 装的包 pip 也可能覆盖。解决优先用 conda 装包conda 没有的再用 pip。如果必须用 pip先conda install pip确保环境内有 pip然后用python -m pip install而不是直接pip install避免 pip 指向其他环境。混装后如果出问题最彻底的办法是重建环境把依赖写进environment.yml一次性创建。4.4 环境激活后 Python 版本不对现象conda activate myenv后python --version显示的还是系统 Python 版本。原因环境没有正确激活或者 PATH 里系统 Python 优先级更高。解决激活后执行which pythonWindows 用where python确认指向的是环境目录下的bin/python。如果不是检查conda activate是否真的成功提示符有没有变成(myenv)。另外检查.bashrc里 conda 初始化块是否在 PATH 设置之后顺序错了也会导致激活失效。4.5 磁盘空间被 conda 缓存吃满现象用了一段时间后磁盘空间莫名减少du -sh ~/miniconda3发现几十 GB。原因conda 会缓存下载的包和索引pkgs目录会越来越大。解决定期执行conda clean --all它会清理未使用的包缓存、索引缓存和 tarball。如果环境多还可以用conda env list查看所有环境删掉不再用的环境conda env remove -n old_env。建议把conda clean --all写进月度维护习惯别等到磁盘报警才处理。5. 用 environment.yml 锁定环境从手动配置到一键复现5.1 导出与重建环境的标准流程手动conda install一个个装包时间一长就忘了装过什么。environment.yml是 conda 的环境描述文件能把你当前环境的依赖完整导出换机器时一键重建。# 导出当前环境到 environment.yml conda env export -n myenv environment.yml # 查看导出的文件内容 cat environment.yml导出的文件包含环境名、channel 列表和依赖包及精确版本号。但直接导出的文件可能包含平台相关的包比如__linux、__osx跨平台重建时会报错。更稳妥的做法是手动维护一个精简版# environment.yml 精简版示例 name: myenv channels: - defaults - conda-forge dependencies: - python3.11 - numpy1.26 - pandas2.1 - pip - pip: - requests2.31.0这个文件只写核心依赖和版本范围不写平台相关包。重建时执行# 根据 environment.yml 创建环境 conda env create -f environment.yml # 如果环境已存在更新依赖 conda env update -f environment.yml --prune--prune会移除环境中不在 yml 文件里的包让环境严格对齐文件描述。这个参数在团队协作时很有用能避免“我本地能跑”的经典问题。5.2 用 conda-pack 打包环境迁移到离线机器有些生产环境没有外网无法直接conda env create。这时可以用conda-pack把整个环境打包成 tar 包复制到目标机器解压即可。# 在源机器安装 conda-pack conda install -n base -c conda-forge conda-pack # 打包指定环境 conda pack -n myenv -o myenv.tar.gz # 在目标机器创建目录并解压 mkdir -p ~/envs/myenv tar -xzf myenv.tar.gz -C ~/envs/myenv # 激活环境需要先 conda init source ~/envs/myenv/bin/activateconda pack会把环境内的 Python 解释器和所有依赖打包解压后直接可用。注意目标机器的操作系统和架构要和源机器一致否则二进制包不兼容。解压后如果提示路径不对执行conda-unpack修正环境内的硬编码路径。5.3 验证环境是否真正隔离配置完成后用一个简单脚本验证环境隔离是否生效。在myenv环境下执行# check_env.py import sys import numpy as np print(Python 路径:, sys.executable) print(Python 版本:, sys.version) print(NumPy 版本:, np.__version__) print(NumPy 路径:, np.__file__)运行python check_env.py观察输出的 Python 路径是否指向myenv目录。如果指向系统路径说明环境没激活成功。NumPy 路径也应该在myenv的site-packages下。这个检查在排查“为什么包版本不对”时特别直接比反复conda list更快定位问题。我自己的习惯是每建一个新环境先跑一遍这个检查脚本确认解释器和核心包路径都在环境目录内再开始装项目依赖。这个动作花不到十秒但能省掉后面半小时的版本排查。希望帮到你。本文还有配套的精品资源点击获取