Conda完全指南：从入门到精通的环境管理实战教程

Conda完全指南：从入门到精通的环境管理实战教程

目录

• 1. Conda 简介
  • 1.1 什么是 Conda
  • 1.2 Conda vs Pip vs Virtualenv
  • 1.3 Anaconda vs Miniconda vs Miniforge
  • 1.4 为什么使用 Conda
• 2. 安装与配置
  • 2.1 安装 Conda
  • 2.2 验证安装
  • 2.3 配置 Conda
  • 2.4 初始化 Shell
• 3. 环境管理基础
  • 3.1 创建环境
  • 3.2 激活和退出环境
  • 3.3 查看环境列表
  • 3.4 删除环境
  • 3.5 克隆环境
  • 3.6 导出和导入环境
• 4. 包管理
  • 4.1 搜索包
  • 4.2 安装包
  • 4.3 更新包
  • 4.4 卸载包
  • 4.5 查看已安装的包
  • 4.6 从 requirements.txt 安装
• 5. 频道（Channels）管理
  • 5.1 什么是 Channel
  • 5.2 添加和删除 Channel
  • 5.3 常用 Channels
  • 5.4 Channel 优先级
• 6. 高级功能
  • 6.1 环境变量管理
  • 6.2 环境激活脚本
  • 6.3 创建 YAML 环境文件
  • 6.4 跨平台环境共享
  • 6.5 Conda 与 Docker 结合使用
• 7. 最佳实践
  • 7.1 项目环境隔离
  • 7.2 环境命名规范
  • 7.3 依赖管理策略
  • 7.4 性能优化
  • 7.5 磁盘空间管理
• 8. 常用命令速查
  • 8.1 环境管理命令
  • 8.2 包管理命令
  • 8.3 配置命令
  • 8.4 信息查询命令
• 9. 常见问题与故障排查
  • 9.0 找不到 .condarc 配置文件
  • 9.1 环境激活失败
  • 9.2 包冲突解决
  • 9.3 网络问题
  • 9.4 权限问题
  • 9.5 空间清理
• 10. 附录
  • 10.1 常用镜像源列表
  • 10.2 Conda 配置文件完整说明
  • 10.3 相关资源和文档链接
• 快速开始清单

---

1. Conda 简介

1.1 什么是 Conda

Conda 是一个开源的包管理系统和环境管理系统，可以：

• 快速安装、运行和更新软件包及其依赖项
• 在本地计算机上轻松创建、保存、加载和切换环境
• 跨平台支持（Windows、macOS、Linux）
• 支持多种编程语言（Python、R、Ruby、Lua、Scala、Java 等）

1.2 Conda vs Pip vs Virtualenv

特性	Conda	Pip	Virtualenv
包管理	✓	✓	✗
环境管理	✓	✗	✓
依赖解析	更强大	基础	-
二进制包	✓	部分	-
非 Python 包	✓	✗	✗
系统级库	✓	✗	✗

1.3 Anaconda vs Miniconda vs Miniforge

• Anaconda：完整发行版，包含 250+ 预装包，约 3GB
• Miniconda：最小安装，只包含 conda 和 Python，约 50MB
• Miniforge：社区驱动，默认使用 conda-forge 频道，推荐使用

推荐选择：

• 初学者/数据科学：Anaconda
• 开发者/自定义需求：Miniconda 或 Miniforge

1.4 为什么使用 Conda

优势：

1. 依赖管理强大：自动解决复杂的包依赖关系
2. 环境隔离：避免不同项目间的包冲突
3. 二进制包分发：无需编译，安装速度快
4. 跨语言支持：不仅限于 Python
5. 可重现性：轻松导出和复现环境配置

2. 安装与配置

2.1 安装 Conda

Windows 安装：

# 下载 Miniconda 安装器
# 访问：https://docs.conda.io/en/latest/miniconda.html
# 运行 .exe 安装程序，按提示操作
# 建议勾选"Add Conda to PATH"（或手动添加）

macOS 安装：

# 使用 Homebrew
brew install --cask miniconda

# 或下载安装器
curl -O https://repo.anaconda.com/miniconda/Miniconda3-latest-MacOSX-x86_64.sh
bash Miniconda3-latest-MacOSX-x86_64.sh

Linux 安装：

# 下载安装器
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh

# 运行安装
bash Miniconda3-latest-Linux-x86_64.sh

# 按提示操作，建议安装到默认位置

2.2 验证安装

# 检查 conda 版本
conda --version
# 输出：conda 23.x.x

# 查看详细信息
conda info

# 更新 conda 到最新版本
conda update conda

2.3 配置 Conda

配置镜像源（国内加速）：

# 清华源（推荐）
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2

# conda-forge 清华源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge

# 设置搜索时显示通道地址
conda config --set show_channel_urls yes

配置文件 .condarc：

重要说明：.condarc 文件默认不存在，需要手动创建或通过 conda config 命令自动生成。

位置：

• Windows：C:\Users\用户名\.condarc
• macOS/Linux：~/.condarc

如何创建：

# 方法1：通过配置命令自动创建（推荐）
conda config --set show_channel_urls yes

# 方法2：手动创建
# Windows: notepad %USERPROFILE%\.condarc
# Linux/macOS: touch ~/.condarc

# 验证文件位置
conda config --show-sources

示例配置：

channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
  - defaults

show_channel_urls: true
auto_activate_base: false  # 关闭自动激活 base 环境
channel_priority: flexible  # 频道优先级策略

2.4 初始化 Shell

# Bash
conda init bash

# Zsh
conda init zsh

# PowerShell (Windows)
conda init powershell

# 初始化后需要重启终端或执行
source ~/.bashrc  # Linux/macOS

3. 环境管理基础

3.1 创建环境

# 创建指定 Python 版本的环境
conda create -n myenv python=3.9

# 创建环境并安装多个包
conda create -n myenv python=3.9 numpy pandas matplotlib

# 创建环境指定多个包版本
conda create -n myenv python=3.9 numpy=1.21 pandas=1.3

# 在指定位置创建环境
conda create -p /path/to/env python=3.9

3.2 激活和退出环境

# 激活环境
conda activate myenv

# 退出当前环境
conda deactivate

# 激活指定路径的环境
conda activate /path/to/env

注意：Windows 可能需要先运行 conda init 才能使用 conda activate

3.3 查看环境列表

# 列出所有环境
conda env list
# 或
conda info --envs

# 输出示例：
# base                  *  /home/user/miniconda3
# myenv                    /home/user/miniconda3/envs/myenv
# project1                 /home/user/miniconda3/envs/project1

3.4 删除环境

# 删除指定环境
conda remove -n myenv --all

# 删除指定路径的环境
conda remove -p /path/to/env --all

# 确认删除
conda env remove -n myenv

3.5 克隆环境

# 克隆现有环境
conda create -n newenv --clone myenv

# 克隆到指定路径
conda create -p /path/to/newenv --clone myenv

3.6 导出和导入环境

# 导出环境到 YAML 文件
conda env export > environment.yml

# 导出不包含构建信息（跨平台兼容）
conda env export --no-builds > environment.yml

# 导出只包含显式安装的包
conda env export --from-history > environment.yml

# 从 YAML 文件创建环境
conda env create -f environment.yml

# 更新现有环境
conda env update -f environment.yml --prune

environment.yml 示例：

name: myenv
channels:
  - conda-forge
  - defaults
dependencies:
  - python=3.9
  - numpy=1.21
  - pandas=1.3
  - matplotlib
  - pip
  - pip:
    - requests
    - beautifulsoup4

4. 包管理

4.1 搜索包

# 搜索包
conda search numpy

# 搜索特定版本
conda search numpy=1.21

# 搜索并显示所有信息
conda search numpy --info

# 在指定频道搜索
conda search -c conda-forge numpy

4.2 安装包

# 安装包到当前环境
conda install numpy

# 安装特定版本
conda install numpy=1.21.0

# 安装多个包
conda install numpy pandas matplotlib

# 安装到指定环境
conda install -n myenv numpy

# 从特定频道安装
conda install -c conda-forge numpy

# 安装不更新依赖
conda install --no-update-deps numpy

# 跳过确认直接安装
conda install -y numpy

4.3 更新包

# 更新指定包
conda update numpy

# 更新所有包
conda update --all

# 更新 conda 本身
conda update conda

# 更新到指定版本
conda update numpy=1.22

# 更新指定环境的包
conda update -n myenv numpy

4.4 卸载包

# 卸载包
conda remove numpy

# 卸载多个包
conda remove numpy pandas

# 从指定环境卸载
conda remove -n myenv numpy

# 卸载包及其依赖（如果没有其他包依赖）
conda remove numpy --force

4.5 查看已安装的包

# 列出当前环境所有包
conda list

# 搜索特定包
conda list numpy

# 列出指定环境的包
conda list -n myenv

# 以导出格式显示
conda list --export > packages.txt

# 显示包的详细信息
conda list --show-channel-urls

4.6 从 requirements.txt 安装

# 使用 conda 安装 requirements.txt
conda install --file requirements.txt

# 如果包在 PyPI 上，使用 pip
pip install -r requirements.txt

# 混合安装（推荐先用 conda，后用 pip）
conda install --file conda-requirements.txt
pip install -r pip-requirements.txt

最佳实践：

• 优先使用 conda 安装
• conda 不可用时使用 pip
• 避免混用可能导致依赖冲突

5. 频道（Channels）管理

5.1 什么是 Channel

Channel 是 conda 包的存储位置，类似于软件仓库：

• defaults：Anaconda 官方维护的默认频道
• conda-forge：社区维护，包最全面，更新最快
• 自定义频道：可以创建私有频道

5.2 添加和删除 Channel

# 添加频道（会添加到最高优先级）
conda config --add channels conda-forge

# 添加到最低优先级
conda config --append channels conda-forge

# 删除频道
conda config --remove channels conda-forge

# 查看所有频道
conda config --show channels

# 查看频道优先级顺序
conda config --get channels

5.3 常用 Channels

conda-forge：

# 添加 conda-forge（推荐）
conda config --add channels conda-forge
conda config --set channel_priority strict

• 优点：包最全，社区活跃，更新快
• 适合：大多数开发场景

bioconda：

# 生物信息学相关包
conda config --add channels bioconda

• 专注于生物信息学工具

pytorch：

# PyTorch 官方频道
conda config --add channels pytorch

nvidia：

# CUDA 相关包
conda config --add channels nvidia

5.4 Channel 优先级

# 设置严格优先级（推荐）
conda config --set channel_priority strict

# 设置灵活优先级
conda config --set channel_priority flexible

# 禁用优先级
conda config --set channel_priority disabled

优先级策略说明：

• strict：严格按频道顺序，优先级高的频道包优先
• flexible：选择版本最高的包，不完全按频道顺序
• disabled：禁用优先级，可能导致依赖混乱

推荐配置：

conda config --add channels conda-forge
conda config --set channel_priority strict

6. 高级功能

6.1 环境变量管理

# 设置环境变量（激活时生效）
conda env config vars set MY_VAR=value

# 设置多个环境变量
conda env config vars set VAR1=value1 VAR2=value2

# 查看环境变量
conda env config vars list

# 删除环境变量
conda env config vars unset MY_VAR

# 重新激活环境使变量生效
conda deactivate
conda activate myenv

6.2 环境激活脚本

在环境目录中创建激活/退出脚本：

Linux/macOS：

# 激活脚本
mkdir -p $CONDA_PREFIX/etc/conda/activate.d
echo 'export MY_VAR=value' > $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh

# 退出脚本
mkdir -p $CONDA_PREFIX/etc/conda/deactivate.d
echo 'unset MY_VAR' > $CONDA_PREFIX/etc/conda/deactivate.d/env_vars.sh

Windows：

# 激活脚本
mkdir $env:CONDA_PREFIX\etc\conda\activate.d
echo "set MY_VAR=value" > $env:CONDA_PREFIX\etc\conda\activate.d\env_vars.bat

# 退出脚本
mkdir $env:CONDA_PREFIX\etc\conda\deactivate.d
echo "set MY_VAR=" > $env:CONDA_PREFIX\etc\conda\deactivate.d\env_vars.bat

6.3 创建 YAML 环境文件

完整示例：

name: data-science-project
channels:
  - conda-forge
  - defaults
dependencies:
  - python=3.9
  - numpy=1.21
  - pandas=1.3
  - matplotlib=3.4
  - scikit-learn=1.0
  - jupyter
  - pip
  - pip:
    - tensorboard==2.8.0
    - wandb
variables:
  DATA_PATH: /data
  MODEL_PATH: /models

6.4 跨平台环境共享

方法1：使用 --from-history（推荐）

# 只导出显式安装的包，跨平台兼容性好
conda env export --from-history > environment.yml

方法2：分平台导出

# Linux/macOS
conda env export --no-builds | grep -v "^prefix: " > environment.yml

# Windows
conda env export --no-builds | findstr /v "^prefix: " > environment.yml

方法3：手动维护 YAML

• 只指定包名和主要版本
• 让 conda 自动解决平台特定依赖

6.5 Conda 与 Docker 结合使用

Dockerfile 示例：

FROM continuumio/miniconda3

# 复制环境文件
COPY environment.yml /tmp/environment.yml

# 创建环境
RUN conda env create -f /tmp/environment.yml

# 激活环境
SHELL ["conda", "run", "-n", "myenv", "/bin/bash", "-c"]

# 设置默认环境
ENV PATH /opt/conda/envs/myenv/bin:$PATH

# 应用代码
COPY . /app
WORKDIR /app

CMD ["python", "app.py"]

优化版：

FROM mambaorg/micromamba:latest

COPY --chown=$MAMBA_USER:$MAMBA_USER environment.yml /tmp/environment.yml

RUN micromamba install -y -n base -f /tmp/environment.yml && \
    micromamba clean --all --yes

WORKDIR /app
COPY . /app

CMD ["/usr/local/bin/_entrypoint.sh", "python", "app.py"]

7. 最佳实践

7.1 项目环境隔离

为每个项目创建独立环境：

# 项目目录结构
my-project/
├── environment.yml
├── src/
└── README.md

# 创建项目环境
cd my-project
conda env create -f environment.yml
conda activate my-project

好处：

• 避免包版本冲突
• 便于环境复现
• 团队协作一致性

7.2 环境命名规范

推荐命名方式：

# 按项目名称
conda create -n project-name python=3.9

# 按用途-版本
conda create -n ml-py39 python=3.9

# 按框架-版本
conda create -n pytorch-1.12 python=3.9

避免：

• 过于简短的名称（如 env, test）
• 特殊字符和空格
• 过长的名称

7.3 依赖管理策略

1. 固定主要版本，灵活次要版本：

dependencies:
  - python=3.9.*    # 固定主版本
  - numpy>=1.21,<2  # 范围版本
  - pandas=1.3      # 固定版本

2. 区分开发和生产依赖：

# environment.yml
name: myproject
dependencies:
  - python=3.9
  - numpy
  - pandas

# environment-dev.yml
name: myproject-dev
dependencies:
  - python=3.9
  - numpy
  - pandas
  - pytest
  - black
  - flake8

3. 定期更新依赖：

# 更新环境文件
conda env update -f environment.yml --prune

# 导出更新后的环境
conda env export --from-history > environment.yml

7.4 性能优化

1. 使用 Mamba 加速：

# 安装 mamba
conda install -n base -c conda-forge mamba

# 使用 mamba 替代 conda
mamba install numpy pandas
mamba create -n myenv python=3.9

2. 配置并行下载：

conda config --set default_threads 8

3. 使用本地缓存：

# 查看缓存位置
conda info

# 不删除缓存包
conda config --set always_copy false

4. 减少依赖解析时间：

# 使用严格频道优先级
conda config --set channel_priority strict

# 指定包版本
conda install numpy=1.21 pandas=1.3

7.5 磁盘空间管理

查看空间占用：

# 查看所有包和环境大小
conda info --all

# 查看包缓存
du -sh $CONDA_PREFIX/pkgs

清理空间：

# 清理未使用的包缓存
conda clean --packages

# 清理索引缓存
conda clean --index-cache

# 清理所有（包括 tar 包）
conda clean --all

# 删除孤立包（不属于任何环境的包）
conda clean --packages --yes

# 移除未使用的环境
conda env remove -n old-env

定期维护：

# 每月执行一次
conda clean --all --yes
conda update conda
conda update --all

8. 常用命令速查

8.1 环境管理命令

# 创建环境
conda create -n <env-name> python=<version>
conda create -n <env-name> python=<version> <packages>

# 激活/退出环境
conda activate <env-name>
conda deactivate

# 列出环境
conda env list
conda info --envs

# 删除环境
conda remove -n <env-name> --all
conda env remove -n <env-name>

# 克隆环境
conda create -n <new-env> --clone <old-env>

# 导出/导入环境
conda env export > environment.yml
conda env export --from-history > environment.yml
conda env create -f environment.yml

8.2 包管理命令

# 搜索包
conda search <package>
conda search <package>=<version>

# 安装包
conda install <package>
conda install <package>=<version>
conda install -c <channel> <package>

# 更新包
conda update <package>
conda update --all
conda update conda

# 删除包
conda remove <package>
conda remove <package1> <package2>

# 列出包
conda list
conda list <package>
conda list -n <env-name>

8.3 配置命令

# 频道管理
conda config --add channels <channel>
conda config --remove channels <channel>
conda config --show channels

# 配置项设置
conda config --set <key> <value>
conda config --get <key>
conda config --show

# 常用配置
conda config --set show_channel_urls yes
conda config --set channel_priority strict
conda config --set auto_activate_base false

8.4 信息查询命令

# Conda 信息
conda --version
conda info
conda info --all

# 包信息
conda search <package> --info
conda list <package>

# 环境信息
conda env list
conda list -n <env-name>

# 配置信息
conda config --show
conda config --show-sources

9. 常见问题与故障排查

9.0 找不到 .condarc 配置文件

问题：按照路径找不到 .condarc 文件

原因：.condarc 文件默认不存在，只有运行过 conda config 命令后才会自动创建。

解决方案：

# 执行任意配置命令即可创建文件
conda config --set show_channel_urls yes

# 或者配置镜像源（会自动创建）
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main

# 验证文件已创建
conda config --show-sources

# 查看文件内容
# Windows: type %USERPROFILE%\.condarc
# Linux/macOS: cat ~/.condarc

9.1 环境激活失败

问题：conda activate 不工作

解决方案：

# 重新初始化 shell
conda init bash  # 或 zsh, powershell
source ~/.bashrc  # 或重启终端

# Windows PowerShell 需要执行策略
Set-ExecutionPolicy RemoteSigned -Scope CurrentUser

# 如果使用 source activate（旧方式）
conda activate myenv  # 使用新方式

9.2 包冲突解决

问题：包依赖冲突，无法安装

解决方案：

# 方法1：使用 mamba（更好的依赖解析）
conda install -n base -c conda-forge mamba
mamba install <problematic-package>

# 方法2：创建新环境
conda create -n new-env python=3.9
conda activate new-env
conda install <packages>

# 方法3：指定宽松的版本约束
conda install "package>=1.0"

# 方法4：使用不同的频道
conda install -c conda-forge <package>

# 方法5：重置环境
conda remove -n myenv --all
conda create -n myenv python=3.9

调试命令：

# 查看包依赖
conda search --info <package>

# 详细输出安装过程
conda install --debug <package>

# 检查冲突
conda list --revisions
conda install --revision <number>  # 回退到之前版本

9.3 网络问题

问题：下载速度慢或连接失败

解决方案：

# 配置国内镜像（清华源）
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
conda config --set show_channel_urls yes

# 阿里云镜像
conda config --add channels https://mirrors.aliyun.com/anaconda/pkgs/main/
conda config --add channels https://mirrors.aliyun.com/anaconda/pkgs/free/

# 增加重试次数
conda config --set remote_connect_timeout_secs 30
conda config --set remote_read_timeout_secs 60

# 使用代理
conda config --set proxy_servers.http http://proxy.example.com:8080
conda config --set proxy_servers.https https://proxy.example.com:8080

# 移除代理
conda config --remove-key proxy_servers

9.4 权限问题

问题：Permission denied 错误

解决方案：

# Linux/macOS: 修改 conda 目录权限
sudo chown -R $USER:$USER ~/miniconda3

# 或使用用户目录安装环境
conda create -p ~/envs/myenv python=3.9

# Windows: 以管理员身份运行
# 右键 Anaconda Prompt -> 以管理员身份运行

# 或安装到用户目录
conda config --add envs_dirs ~/conda-envs
conda config --add pkgs_dirs ~/conda-pkgs

9.5 空间清理

问题：磁盘空间不足

解决方案：

# 查看空间占用
conda info
du -sh ~/miniconda3/pkgs
du -sh ~/miniconda3/envs

# 清理缓存
conda clean --all --yes

# 删除未使用的环境
conda env list
conda env remove -n <unused-env>

# 删除特定包的旧版本
conda list --revisions
conda clean --packages

# 移动环境到其他磁盘（Linux/macOS）
mv ~/miniconda3/envs/myenv /mnt/data/conda-envs/
ln -s /mnt/data/conda-envs/myenv ~/miniconda3/envs/myenv

# 配置包缓存位置
conda config --add pkgs_dirs /path/to/new/location

预防措施：

# 定期清理
conda clean --all --yes

# 只保留必要的环境
conda env remove -n <env-name>

# 使用 --no-cache 选项安装
conda install --no-cache <package>

10. 附录

10.1 常用镜像源列表

中国大陆镜像：

清华大学 TUNA 镜像（推荐）：

https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch

中科大镜像：

https://mirrors.ustc.edu.cn/anaconda/pkgs/main
https://mirrors.ustc.edu.cn/anaconda/pkgs/free
https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge

阿里云镜像：

https://mirrors.aliyun.com/anaconda/pkgs/main
https://mirrors.aliyun.com/anaconda/pkgs/free
https://mirrors.aliyun.com/anaconda/cloud/conda-forge

上海交大镜像：

https://mirror.sjtu.edu.cn/anaconda/pkgs/main
https://mirror.sjtu.edu.cn/anaconda/pkgs/free
https://mirror.sjtu.edu.cn/anaconda/cloud/conda-forge

配置方法：

# 清华源完整配置
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
conda config --set show_channel_urls yes

10.2 Conda 配置文件完整说明

位置：

• Linux/macOS: ~/.condarc
• Windows: C:\Users\<用户名>\.condarc

完整配置示例：

# 频道配置
channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
  - defaults

# 显示频道 URL
show_channel_urls: true

# 频道优先级策略
channel_priority: strict  # strict | flexible | disabled

# 自动激活 base 环境
auto_activate_base: false

# 环境和包目录
envs_dirs:
  - ~/conda-envs
  - ~/.conda/envs

pkgs_dirs:
  - ~/conda-pkgs
  - ~/.conda/pkgs

# SSL 验证
ssl_verify: true

# 代理设置
proxy_servers:
  http: http://proxy.example.com:8080
  https: https://proxy.example.com:8080

# 网络超时设置（秒）
remote_connect_timeout_secs: 30
remote_read_timeout_secs: 60
remote_max_retries: 3

# 并行下载线程数
default_threads: 4

# 始终复制而不是硬链接
always_copy: false

# 报告错误
report_errors: true

# 自动更新
auto_update_conda: false

# Solver 设置
solver: classic  # classic | libmamba

# 环境变量提示符修改
changeps1: true

# 安全设置
allow_softlinks: true
safety_checks: warn  # disabled | warn | enabled

# pip 互操作性
pip_interop_enabled: false

常用配置项说明：

配置项	说明	推荐值
show_channel_urls	显示包来源	true
channel_priority	频道优先级	strict
auto_activate_base	自动激活 base	false
ssl_verify	SSL 验证	true
always_copy	复制而不是链接	false
default_threads	下载线程数	4-8

10.3 相关资源和文档链接

官方文档：

• Conda 官方文档: https://docs.conda.io/
• Conda 用户指南: https://docs.conda.io/projects/conda/en/latest/user-guide/
• Conda 命令参考: https://docs.conda.io/projects/conda/en/latest/commands.html
• Anaconda 文档: https://docs.anaconda.com/

包仓库：

• Anaconda 包仓库: https://anaconda.org/
• conda-forge: https://conda-forge.org/
• PyPI (pip): https://pypi.org/

社区资源：

• Conda GitHub: https://github.com/conda/conda
• Conda-forge GitHub: https://github.com/conda-forge
• Stack Overflow: https://stackoverflow.com/questions/tagged/conda

中文资源：

• 清华大学开源镜像站: https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/
• 中科大镜像站: https://mirrors.ustc.edu.cn/help/anaconda.html

工具：

• Mamba (快速包管理器): https://mamba.readthedocs.io/
• Miniforge: https://github.com/conda-forge/miniforge
• Micromamba: https://mamba.readthedocs.io/en/latest/user_guide/micromamba.html

最佳实践：

• Conda myths and misconceptions: https://jakevdp.github.io/blog/2016/08/25/conda-myths-and-misconceptions/
• Conda vs Pip: https://www.anaconda.com/blog/understanding-conda-and-pip

视频教程：

• Anaconda YouTube 频道: https://www.youtube.com/c/ContinuumIo
• Corey Schafer Python 教程: https://www.youtube.com/playlist?list=PL-osiE80TeTt2d9bfVyTiXJA-UTHn6WwU

---

快速开始清单

# 1. 安装 Miniconda
# 下载并安装：https://docs.conda.io/en/latest/miniconda.html

# 2. 配置镜像（国内用户）
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
conda config --set show_channel_urls yes

# 3. 创建项目环境
conda create -n myproject python=3.9
conda activate myproject

# 4. 安装包
conda install numpy pandas matplotlib

# 5. 导出环境
conda env export --from-history > environment.yml

# 6. 在其他机器复现
conda env create -f environment.yml
conda activate myproject