在Linux服务器上用Miniconda通过创建、激活和删除独立虚拟环境实现Python项目依赖隔离；推荐指定Python版本创建环境，激活后需验证python路径，删除时须先退出环境并谨慎使用rm -rf。
在Linux服务器上用Miniconda为不同Python项目隔离依赖，避免PyTorch 1.x和2.x混装导致报错、NumPy版本冲突引发计算结果不一致等问题，必须通过创建和删除独立虚拟环境来实现。
创建新的虚拟环境
方法一：指定Python版本创建（推荐）
执行 conda create -n myproject python=3.9，其中 【myproject 是你自定义的环境名，不能含空格或特殊字符】。这一步会自动下载并安装Python 3.9及基础依赖，适合需要精确控制解释器版本的AI训练或模型复现场景。
方法二：从现有环境克隆（快速复用）
运行 conda create -n mycopy --clone base，直接复制当前base环境的所有包。注意：克隆操作不能跨Python主版本（比如不能从python=3.9克隆到python=3.11），否则会失败。
方法三：仅安装最小运行集（极简启动）
输入 conda create -n lean-env 不加任何参数，conda会默认使用当前base的Python版本，并只装最必要组件（pip、setuptools等）。这适合后续要用pip逐个装包的轻量级脚本开发。
激活与验证新环境
输入 conda activate myproject 激活刚建好的环境。终端提示符前会出现 (myproject) 标识，说明已进入隔离空间。
Linux 安全审计工具，检查 SSH 配置、开放/监听端口、防火墙规则（ufw/iptables/nftables）、失败登录尝试、sudoers 权限...
运行 python --version 和 which python 确认当前Python路径指向 ~/miniconda3/envs/myproject/bin/python 而非全局路径——这是验证环境真正生效的关键动作，跳过这步可能误在base中操作。
删除不再需要的虚拟环境
第一步：确保未在目标环境中运行
执行 conda deactivate 退出当前环境，再用 conda env list 查看所有环境，确认待删环境处于非激活状态。
第二步：使用标准删除命令
输入 conda env remove --name myproject。这条命令会彻底清空该环境目录及其所有包、配置和缓存文件，不可恢复。
第三步：手动清理残留（可选但建议）
检查 ~/miniconda3/envs/ 目录是否还存在 myproject 文件夹，若仍在，说明上一步执行失败或被中断，此时需用 rm -rf ~/miniconda3/envs/myproject 强制删除。注意：【rm -rf 命令无回收站，路径写错会直接删掉家目录】
