不能直接在base环境运行conda update python，因其会优先保全已有包兼容性而非升级python，易引发依赖冲突、隐式降级或pip失效；正确做法是用conda create -n env_name python=version新建隔离环境，再激活使用。
别直接在 base 环境里运行 conda update python —— 这大概率会触发依赖冲突、隐式降级甚至 pip 失效，尤其当你装了 TensorFlow、PyTorch 或 Qt 相关包时。
为什么不能直接 conda update python 在 base 环境
Conda 的依赖求解器会优先保全已有包的兼容性，而不是 Python 版本本身。比如你当前是 Python 3.8 + pytorch=1.12，想升到 3.10，conda 可能选择：降级 pytorch 到 1.9（已知支持 3.10），或干脆卡住不动，报一堆 UnsatisfiableError。更糟的是，base 环境里还绑着 anaconda 元包和 conda 自身，动它等于动地基。
- 典型错误信息：
UnsatisfiableError: The following specifications were found to be incompatible with each other - 常见后遗症：
pip命令报ImportError: DLL load failed while importing _ctypes（Windows）或ModuleNotFoundError: No module named 'distutils.util'（macOS/Linux） -
conda update --all更危险：它会强行拉齐所有包版本，常导致 Jupyter、Spyder 启动失败
正确做法：用 conda create 新建隔离环境
这不是“绕路”，而是 Anaconda 设计的正向使用路径。新环境干净、可复现、删了也不心疼。
- 命令格式统一：
conda create -n <env_name> python=<version></version></env_name>，例如conda create -n py311 python=3.11 - 加
anaconda会预装全套科学栈（含 NumPy、Pandas、Jupyter），但体积大、安装慢；只加python则最轻量，后续按需装包 - Windows 用户注意：环境名不要含空格或点号（如
py3.11会出错），用下划线或连字符，如py311或py311_env - 创建后必须显式激活：
conda activate py311，否则python --version仍显示旧版本
怎么让 Jupyter / VS Code 识别新环境
新建环境后，工具不会自动发现它，需要手动注册内核。
- 先激活环境：
conda activate py311 - 再安装 IPython 内核：
python -m ipykernel install --user --name py311 --display-name "Python 3.11" - Jupyter Lab/Notebook 重启后，在右上角 Kernel 菜单里就能选到
Python 3.11 - VS Code：打开任意
.py文件 → Ctrl+Shift+P → 输入 “Python: Select Interpreter” → 选中路径含envs/py311的那个
旧环境里的包要不要一并迁移
不建议用 conda env export 直接复刻——它会把 base 环境的绝对路径、build 字符串甚至 conda-forge 通道信息全写死，换机器或重装后大概率失效。
- 如果只是几个关键包，用
conda install numpy pandas matplotlib重新装更稳 - 若依赖复杂（如含私有包或编译扩展），导出精简版依赖：
conda list --export | grep -v "^#" > requirements.txt，再在新环境用conda install --file requirements.txt - 纯 pip 包（如
transformers）建议用pip install --no-deps避免混入不兼容依赖
真正麻烦的从来不是命令本身，而是没意识到：Anaconda 的“升级 Python”本质是“切换环境”，不是“打补丁”。一旦习惯用 -n 创建、用 activate 切换，你就不会再被 UnsatisfiableError 卡住半天。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
