优先用conda install，因其能自动处理编译依赖、二进制兼容性和python版本匹配；pip易在科学计算库上引发abi冲突或编译失败。
conda install 和 pip install 都能装，但优先用 conda install，尤其在 Anaconda 环境下——它能自动处理编译依赖、二进制兼容性和 Python 版本匹配，而 pip 容易在科学计算库（如 numpy、scipy、pytorch）上触发 ABI 冲突或编译失败。
该用 conda 还是 pip？看这三点
用 conda install 的典型场景：
- 要装的库在 conda-forge 或 anaconda 渠道里有预编译包（比如 matplotlib、scikit-learn）
- 当前环境是通过 conda create 创建的，且你没手动混用 pip 升级过核心包
- 出现类似 ImportError: DLL load failed 或 undefined symbol: PyUnicode_AsUTF8 这类底层链接错误时，换 conda 通常立刻解决
必须用 pip install 的情况：
- 库只发布在 PyPI 上，没上 conda 渠道（比如最新版 wandb、llama-index）
- 项目依赖中明确写了 requirements.txt，且含 pip-only 包（如某些私有包或带 pyproject.toml 构建逻辑的）
- 你想装某个包的特定 commit（pip install git+https://github.com/xxx@main）
⚠️ 混用风险：
- 先 conda install numpy，再 pip install numpy==1.26.0 → 可能导致 scipy 导入报错
- pip 安装的包会绕过 conda 的依赖图检查，后续 conda update --all 可能破坏环境
安装命令写法和常见陷阱
conda install 默认从 defaults 渠道拉包，很多新库不在里面。遇到 PackageNotFoundError，先试：
-
conda install -c conda-forge <package_name></package_name>（推荐，社区维护活跃） -
conda install -c bioconda <package_name></package_name>（生物信息类） -
conda search -c conda-forge <package_name></package_name>确认是否存在及支持的 Python 版本
pip install 常见翻车点：
- 报错 ERROR: Could not build wheels for xxx：缺 C++ 构建工具（Windows）或 gcc/gfortran（Linux/macOS）→ 改用 conda install 或装 conda install m2w64-toolchain（Win）
- 报错 PermissionError: [WinError 5] Access is denied：别用管理员 cmd 运行，而是激活目标环境后再装
- 安装后 import 失败：确认当前 Python 解释器路径是否指向你的 conda 环境（which python 或 where python），不是系统 Python
离线安装 wandb 这类 PyPI-only 库
不能直接 pip install wandb，得提前在可联网机器上把包和所有依赖全下好：
- 查依赖树：
pip download wandb --no-deps --platform manylinux2014_x86_64 --python-version 39 --only-binary=:all:（按你目标环境的 Python 版本和系统调整） - 再补依赖：
pip download --no-cache-dir --find-links ./ -r requirements.txt --prefer-binary --platform manylinux2014_x86_64 --python-version 39 --only-binary=:all: - 把所有
.whl文件拷到离线机，在目标 conda 环境里运行：pip install --find-links ./ --no-index --upgrade wandb
注意：wandb 依赖 requests、click、graphql-core 等十多个包，漏一个就装不上；--only-binary=:all: 强制跳过源码编译，避免离线机缺构建环境。
验证是否真装进了当前环境
很多人以为 pip install 成功就完事了，其实可能装到了 base 环境或系统 Python 里。最稳的验证方式是：
- 先确认环境已激活：
conda activate myenv，终端提示符应显示(myenv) - 检查解释器位置：
python -c "import sys; print(sys.executable)"→ 输出路径应含anaconda3/envs/myenv - 查包位置：
python -c "import wandb; print(wandb.__file__)"→ 路径必须落在该环境的site-packages下 - 别只信
conda list：它不显示pip安装的包（除非用conda list --explicit或pip list）
最易被忽略的一点：Jupyter Notebook 启动时用的 kernel 可能和你当前终端激活的环境不一致——改完环境后，记得在 notebook 里执行 !which python 或重启 kernel 再测试。
