conda list 默认显示当前环境包名、版本、构建号和channel来源，但pip安装的包仅标为pypi且无构建信息；混用conda与pip易导致环境不可复现，应优先用conda env export导出环境。
conda list 能列出所有包，但默认不显示安装来源
直接运行 conda list 是最常用方式，它会输出当前激活环境中的全部包名、版本、构建号和 channel 来源（比如 defaults 或 conda-forge）。但注意：如果某包是用 pip install 装的，它的 channel 列会显示为 pypi，且构建信息为空——这不是 bug，而是 Conda 的设计行为。
常见错误现象：执行 conda env export 后发现某些包没被导出，或者别人复现环境时报错缺包。根源往往就是混用了 pip 安装，而 conda list 本身不会警告你这点。
- 想快速过滤某个包，用
conda list | grep numpy（Linux/macOS）或conda list | findstr numpy（Windows） - 要查看包是否来自 conda-forge，重点看最后一列；若为空或为
pypi，说明不是通过 conda 安装的 - 避免在同一个环境中反复混用
conda install和pip install，尤其在需要导出可复现环境时
pip list 和 conda list 结果不一致？这是正常现象
pip list 只管 Python 包层级，不管底层依赖（如 CUDA、OpenMP），而 conda list 还会列出编译器、BLAS 实现、CUDA toolkit 等二进制依赖。比如你在 PyTorch-CUDA 镜像里运行两个命令，conda list 会显示 cudatoolkit 和 numpy，但 pip list 通常只显示后者。
使用场景差异明显：
- 调试 import 失败时，先跑
pip list确认 Python 模块是否存在 - 排查 CUDA 不可用、BLAS 性能差等问题，必须看
conda list中的cudatoolkit、openblas等项 - CI/CD 流水线中导出环境配置，应以
conda env export为准，而非pip freeze
conda list -n myenv 查指定环境比激活再查更安全
很多人习惯先 conda activate myenv 再 conda list，但如果你脚本里忘了 activate，或者终端窗口切换错了环境，结果就查偏了。直接加 -n 参数指定环境名，既明确又无副作用。
参数差异要注意：
-
conda list -n base查 root 环境（即使当前没激活） -
conda list -n myenv --revisions不起作用——--revisions只对conda list无参时有效，用于回溯历史安装状态 - 想导出干净的包列表（不含 build 字段），用
conda list --export > requirements.txt，但注意它仍会包含pypi包，需手动清理
conda info package_name 是查包元数据的唯一可靠方式
当 conda list 显示某个包存在，但 import 仍失败，或者版本看起来对不上，就该用 conda info。它读的是 conda-meta 目录下的 JSON 文件，比 conda list 更底层，能确认包是否真正被 Conda 管理、安装路径在哪、依赖了哪些其他包。
例如：conda info pytorch 会告诉你它链接的是哪个 CUDA 版本、是否与当前 cudatoolkit 兼容、安装路径是否在 site-packages 下——这些信息在 conda list 里完全看不到。
- 若输出为空，说明该包根本不在 Conda 的包管理系统中（很可能是 pip 装的）
- 输出里的
files字段能帮你定位__init__.py实际位置，对调试路径问题极有用 - 不要依赖
python -c "import pkg; print(pkg.__version__)"来验证版本，因为可能从非当前环境的 site-packages 导入
conda list 和 pip list 的覆盖范围不同，且二者没有自动同步机制**。一个环境里同时存在 conda 安装的 numpy 和 pip 安装的 numpy，Conda 不会报错，但 import 时加载的是谁，取决于 sys.path 顺序——这个顺序又受 PYTHONPATH、.pth 文件、site-packages 排序影响，非常隐蔽。
