基础介绍

Python 项目通常需要隔离的依赖环境。Conda 可以方便地创建、保存、加载和切换多个独立的 Python 环境（支持同时安装 Python 2 和 Python 3），与 PyInstaller 等工具兼容性好，是经典的 Python 环境管理方案。

此外，uv 是近年新兴的极速 Python 包管理器（由 Ruff 团队用 Rust 打造），速度比 pip 快 10-100 倍，同样支持虚拟环境管理，推荐有条件的用户尝试。

方式一：Conda配置科学计算、大模型CUDA等环境

Windows 安装

1. 下载安装包

企业用户如需规避开源协议风险，推荐安装 Miniforge：Miniforge3-Windows-x86_64.exe

2. 安装注意事项

选择 “仅为自己安装”，并勾选"添加到环境变量"
默认安装路径：%USERPROFILE%\miniconda3（或 %USERPROFILE%\miniforge3）

确认以下路径已加入 %PATH%：

%USERPROFILE%\miniconda3\
%USERPROFILE%\miniconda3\Scripts\
%USERPROFILE%\miniconda3\Library\bin\

3. 允许 PowerShell 执行脚本

以管理员身份运行 PowerShell，执行（二选一）：

Set-ExecutionPolicy RemoteSigned    # 允许本地脚本
Set-ExecutionPolicy Unrestricted    # 允许远程脚本

4. 初始化终端

conda init
conda config --set auto_activate false   # 启动时不自动激活 base 环境

auto_activate: false 的本质是在 %USERPROFILE%\.condarc 中写入该配置项。

关闭重开终端后，conda activate base 应能看到提示符变为 (base) C:\Users\admin>。

Linux 安装

1. 下载安装包

从南京大学镜像站下载，推荐版本：Miniconda3-py313_25.7.0-2-Linux-x86_64.sh

企业用户推荐 Miniforge：Miniforge3-Linux-x86_64.sh

2. 执行安装

bash Miniconda3-py313_25.7.0-2-Linux-x86_64.sh -p /opt/miniconda3

路径可按需修改。安装过程中一路空格跳过协议阅读，遇到确认提示输入 yes：

Do you accept the license terms? [yes|no][no] >>> yes
Do you wish the installer to initialize Miniconda3 by running conda init? [yes|no][no] >>> yes

3. 禁用自动激活 base

conda config --set auto_activate false

本质是在 ~/.condarc 中添加 auto_activate: false。

新开终端，conda activate base 后提示符应变为 (base) [admin@localhost ~]。若不生效，执行 source ~/.bashrc。

配置国内镜像源

编辑 %USERPROFILE%\.condarc（Windows）或 ~/.condarc（Linux），添加：

channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirror.nju.edu.cn/anaconda/pkgs/main
  - https://mirror.nju.edu.cn/anaconda/pkgs/r
  - https://mirror.nju.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirror.nju.edu.cn/anaconda/cloud
  pytorch: https://mirror.nju.edu.cn/anaconda/cloud

详见南京大学镜像站 Conda 说明

配置 pip 国内镜像源

使用 pip install 时需要基于pip的配置来加速：

pip config set global.index-url https://mirrors.cernet.edu.cn/pypi/web/simple

详见校园网联合镜像站说明

uv实现每个项目分别配置环境

uv 是 Astral 团队用 Rust 编写的极速 Python 包与项目管理器，可替代 pip、pip-tools、Poetry 等工具，速度提升 10-100 倍。内置虚拟环境管理，体验远优于传统工具。

安装 uv

Windows（PowerShell）

irm https://astral.sh/uv/install.ps1 | iex

如需指定版本：将 URL 中的 uv 替换为 uv/0.11.25 等具体版本号。

Linux / macOS

curl -LsSf https://astral.sh/uv/install.sh | sh

安装完成后，重启终端即可使用 uv 命令。

设置 uv 国内镜像源

uv 不使用 pip 的配置文件，而是通过环境变量或 uv 自身的配置文件来设置镜像源。

方法一：设置环境变量（推荐，一劳永逸）

Windows

# Windows PowerShell
[Environment]::SetEnvironmentVariable("UV_INDEX_URL", "https://mirrors.cernet.edu.cn/pypi/web/simple", "User")

或者在“此电脑”中手动设置

UV_INDEX_URL=https://mirrors.cernet.edu.cn/pypi/web/simple

Linux / macOS

#追加到 ~/.bashrc 或 ~/.zshrc
echo 'export UV_INDEX_URL=https://mirrors.cernet.edu.cn/pypi/web/simple' >> ~/.bashrc
source ~/.bashrc

方法二：配置文件

创建 uv.toml（用户级可放在 %APPDATA%\uv\uv.toml 或 ~/.config/uv/uv.toml）：

[[index]]
url = "https://mirrors.cernet.edu.cn/pypi/web/simple"
default=true

其他常用国内镜像：清华源 https://pypi.tuna.tsinghua.edu.cn/simple、阿里源 https://mirrors.aliyun.com/pypi/simple

uv 基本使用

# 创建虚拟环境
uv venv --python 3.11

# 激活环境
source .venv/bin/activate      # Linux / macOS
.venv\Scripts\activate         # Windows

# 安装包（自动使用当前虚拟环境）
uv pip install requests

# 从 requirements.txt 安装
uv pip install -r requirements.txt

# 从uv的包管理文件uv.lock生成环境
uv sync

Conda 环境管理

常用命令

# 新建环境（两种方式等价）
conda create -n myenv python=3.11
# 或
conda create -n myenv
conda activate myenv
conda install python=3.11

# 激活 / 退出环境
conda activate myenv
conda deactivate

# 查看所有环境
conda env list

# 删除环境
conda env remove -n myenv --all

Conda 会在 miniconda3/envs/ 下为每个环境创建完整独立的 Python 运行环境（含 python.exe、pip.exe 及 site-packages），激活后可直接使用 pip 安装包。像 Sigil、LibreOffice、Inkscape 等可指定解释器路径的程序，也能直接引用这些环境。

在脚本中使用 Conda 环境

# 方法一（推荐）
conda run -n 你的环境名 python -m main

# 方法二（备用）
source /root/miniconda3/bin/activate 你的环境名
python -m main

Conda 包管理

conda update conda        # 更新 conda 自身
conda update pip           # 更新 pip
conda install python       # 升级 Python 小版本（如 3.9.12 → 3.9.13）
conda install python=3.12  # 更换 base 环境的 Python 大版本

Conda跨机器复制环境

# 导出环境配置
conda list --explicit > env.yaml

# 在另一台机器上重建
conda create --name myenv -f env.yaml

VS Code 选择环境

编辑 Python 文件时，点击状态栏中的解释器名称即可切换 Conda 环境。

总结：日常开发普通项目推荐优先尝试 uv，速度极快、上手简单；需要管理复杂依赖（如 PyTorch + CUDA 等非 Python 包）时，Conda 仍是稳妥选择。两者可以共存，按场景灵活选用。

LTCTM的IT技术分享

Python安装与环境管理：Conda 与 uv