关键不是“重装”，而是“还原”——提前备份代码、依赖、模型、配置四类资产，恢复时一键拉起。具体包括：项目源码、python环境状态（environment.yml或requirements.txt）、大文件资源（模型权重、数据集）、运行上下文（.env、config.yaml、终端配置）；推荐git+lfs、conda快照+外部存储、shell恢复脚本三种轻量方式；macos恢复模式中可跳过全盘还原，仅恢复指定文件夹；换机或重装后需验证torch版本、模型加载、conda包列表是否匹配原环境。
重装 macos 或换新 mac 后，开发环境不用从头配。关键不是“重装”，而是“还原”——把代码、依赖、模型、配置这四类资产提前存好，恢复时就能一键拉起。
一、先理清你要备份的四类核心资产
AI 或数据科学类项目（比如 LiuJuan20260223Zimage、Lingbot-Depth-Pretrain-ViTL-14）的环境，真正需要保留的就这几样：
- 项目源码：整个 Git 仓库或本地开发目录，含所有 .py/.yaml/.sh 文件；
- Python 环境状态：用 conda 的导出 environment.yml，用 pip 的运行 pip freeze > requirements.txt；
- 大文件资源：模型权重（.pth、.safetensors）、数据集（./data/ 或 ./models/ 下的文件），建议单独归档并记录路径；
- 运行上下文：.env 文件、config.yaml 中的关键路径、终端配置（如 ~/.zshrc 里自定义的 PYTHONPATH 或 CUDA_HOME）。
二、推荐三种轻量但可靠的备份方式
不依赖 Time Machine 全盘备份，更聚焦开发资产本身：
- Git + LFS 管理代码与小配置：把源码、配置文件、脚本推到私有仓库；大模型文件用 Git LFS 跟踪，避免污染主仓库；
- Conda 环境快照 + 外部存储模型：conda env export > env.yml 导出精确依赖；模型和数据集压缩成 tar.gz 或 zip，存到外接 SSD 或云盘指定目录；
- Shell 恢复脚本自动化收口：写一个 setup.sh，自动 git clone、conda env create -f env.yml、解压模型包、source 配置，一行命令启动全部。
三、macOS 恢复系统阶段可跳过重装，直取资产
如果你已用 Time Machine 做了全盘备份，进入 macOS 恢复后不必重装系统：
- 从“恢复”启动后，选“从时间机器备份恢复”；
- 跳过系统盘还原，只恢复特定文件夹：比如 ~/Projects/liujuan20260223zimage、~/.conda/envs/lingbot_depth_env、~/models/；
- 恢复完重启，再运行你的 setup.sh，环境即刻就位。
四、换新 Mac 或重装后快速验证是否完整
别等跑训练才发现缺东西。执行三步检查：
- cd 进项目目录，python -c "import torch; print(torch.__version__)" 看基础库是否可用；
- 运行 python train.py --dry-run（如有）或加载模型的最小示例脚本，确认权重路径能读取；
- 检查终端输入 python --version、conda list | grep xxx 是否匹配原环境版本。
恢复不是拼手速，而是靠结构化存档。把每次环境变更当成一次 commit，你就能在系统崩溃后十分钟内回到编码状态。
