为什么你的 Python 项目总是＂在我电脑上能跑＂?

一篇写给新手开发者的 Conda 环境管理指南

你有没有遇到过这些场景——

• • 同事发来一个项目，pip install 报错，折腾半天；
• • 自己的电脑跑得好好的，换台新机器什么都挂了；
• • 两个项目分别依赖 torch 1.x 和 torch 2.x，共存不了；
• • 明明跟着教程一步步来，结果还是报 ImportError……

这些问题，几乎都指向同一个根源：

你没有认真管理 Python 环境。

别慌，这篇文章会让你彻底搞懂。

🧠 先理解一个核心概念：base 环境是什么

安装 Anaconda 或 Miniconda 之后，你会拥有一个默认的 base 环境。

很多新手会直接在 base 里装所有东西——装 Django、装 PyTorch、装各种包……然后某一天，项目突然跑不动了，包与包之间互相冲突，乱成一锅粥。

正确的理解是：base 是你的"工具箱"，不是"工作台"。

记住这一句话，就能避开 80% 的坑：

一个项目，一个环境。base 干净，天下太平。

🛠️ 场景一：我要开发一个新项目

第一步：创建专属环境

conda create -n myproject python=3.10conda activate myproject

命名建议直接用项目文件夹名，清晰易管理。

第二步：安装依赖（有顺序！）

很多人不知道的一个细节：安装要先 conda，再 pip。

# 优先用 conda 装大型框架（它能统一管理 C/C++ 底层库）conda install pytorch torchvision -c pytorch# conda 里没有的，再用 pip 补pip install yt-dlp openai-whisper

为什么要这样？conda 不只管 Python 包，它还能管底层的 C/C++ 依赖，避免深层冲突。先 conda 后 pip，依赖树最健康。

第三步：导出环境快照（别偷懒！）

conda env export > environment.yml

这一步很多新手跳过，但它极其重要。

这个 environment.yml 文件就是你环境的"身份证"。把它提交到 Git，以后换电脑、换同事，一行命令就能完整复现：

conda env create -f environment.yml

日常开发节奏

打开终端 → conda activate 项目名 → 写代码 → conda deactivate

就这么简单。

📦 场景二：我接手了别人的项目

接到一个新项目，先别急着运行，去项目根目录找这些文件：

有 environment.yml？直接一键还原：

conda env create -f environment.ymlconda activate 环境名

只有 requirements.txt？手动建个环境：

conda create -n 项目名 python=3.10conda activate 项目名pip install -r requirements.txt

啥都没有？ 翻 README，找 Python 版本要求，手动建环境，这是最麻烦的情况——所以你自己的项目一定要导出 environment.yml，别坑队友。

❓ 新手最常问的问题

Q：conda 和 pip 到底有什么区别？

一句话版本：

• • conda = 全能管家，连 ffmpeg 这种 C 工具都能装
• • pip = Python 专属包管理

混用原则：大型框架（PyTorch、TensorFlow）用 conda，其他用 pip。

Q：conda 装包太慢，怎么办？

换成国内镜像，速度起飞：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/mainconda config --set show_channel_urls yes

📋 命令速查卡（建议收藏）

环境管理

conda create -n 项目名 python=3.x    # 创建环境conda activate 项目名                 # 激活conda deactivate                     # 退出conda env list                       # 查看所有环境conda env remove -n 项目名           # 删除环境

包管理

conda install 包名                   # conda 安装pip install 包名                     # pip 安装conda list                           # 查看已装包

环境导入导出

conda env export > environment.yml           # 导出conda env create -f environment.yml          # 从文件还原pip freeze > requirements.txt                # 导出 pip 依赖pip install -r requirements.txt              # 从文件安装

🗺️ 一图看懂整体结构

┌─────────────────────────────────┐│          base 环境（工具箱）      ││   jupyter / git / conda 自身     │└─────────────────────────────────┘                │      ┌─────────┼─────────┐      ▼         ▼         ▼ ┌─────────┐ ┌────────┐ ┌────────┐ │myproject│ │datasci │ │webapp  │ │py 3.10  │ │py 3.9  │ │py 3.11 │ │torch    │ │pandas  │ │django  │ └─────────┘ └────────┘ └────────┘   一个项目一个环境，互不干扰 ✓

写在最后

Python 环境管理听起来是个小事，但它决定了你项目的可复现性——也决定了你让同事抓狂的概率。

养成这三个习惯，90% 的环境问题就不会找上你：

1. 1. 新项目必建独立 conda 环境
2. 2. 装包先 conda 后 pip
3. 3. 装完依赖就导出 environment.yml 提交 Git

简单，但有效。

如果这篇文章帮到你，欢迎转发给还在 base 环境里乱装包的朋友 👀