miniconda创建环境比系统python+venv更快、更隔离、更少出错，因其从解释器层实现沙箱隔离，支持python版本、编译依赖及cuda toolkit按需绑定，避免系统污染与冲突。
直接用 Miniconda 创建新环境，比系统 Python + venv 更快、更隔离、更少出错。 它不是“另一个 pip 工具”，而是从解释器层就切开的沙箱——Python 版本、编译依赖（如 _ssl、_ctypes）、甚至 CUDA Toolkit 都能按需绑定，不会污染系统或互相覆盖。
conda create -n 时指定 python= 版本是关键
不指定版本会默认用 Miniconda 自带的 base 环境 Python（通常是最新稳定版），但多数项目需要精确控制。比如跑老项目必须用 python=3.8，AI 实验想试 python=3.11，这些都得显式声明：
-
conda create -n myproj python=3.9—— 创建干净环境，不含任何第三方包 - 避免写成
conda create -n myproj python=3.9.*：conda 不支持通配符，会报错InvalidSpecError - 如果提示
PackageNotFoundError，说明该 Python 版本未预装在当前 Miniconda 渠道中，可加-c conda-forge尝试（conda-forge渠道版本更全） - Windows 用户注意：不要用
py -3.9 -m venv混用，那会绕过 conda 的二进制依赖管理，导致后续pip install torch编译失败
激活环境后 pip 和 conda 的混用有顺序讲究
刚激活环境时，pip 和 conda 都可用，但优先级和行为不同：
- 先用
conda install装核心科学计算包（numpy、pytorch、tensorflow）——它们含预编译二进制和系统级依赖（如 MKL、cuDNN） - 再用
pip install装 conda 渠道没有的包（如某些 GitHub 仓库、私有包），但必须在conda activate myproj后执行，否则装到 base 或系统里 - 绝对不要在激活环境下运行
pip install --upgrade pip：conda 自带的pip是精简版，升级后可能破坏与 conda 的元数据同步，引发CondaEnvironmentError - 验证是否装对了位置：运行
which python（macOS/Linux）或where python（Windows），路径必须含envs/myproj
导出 environment.yml 才算真正“干净可复现”
只靠 conda list 复制粘贴包名是不可靠的——它不记录 Python 版本、渠道来源、构建号（build number），换机器重装大概率出错：
- 正确导出命令：
conda env export -n myproj > environment.yml - 生成的
environment.yml里必须包含prefix:行（删掉，否则别人无法复现）和conda-forge等渠道声明 - 重建命令：
conda env create -f environment.yml，不是pip install -r requirements.txt - 如果项目要发给同事或上 CI，建议删掉
build:字段，改用pip:块管理纯 Python 包，兼顾可读性与稳定性
最常被忽略的一点：环境删除后，envs/ 目录里的残留文件夹不会自动清空，尤其当你用过 --offline 或手动复制过环境。下次 conda env list 看起来正常，但 conda activate xxx 却提示 EnvironmentLocationNotFound——这时得手动检查 miniconda3/envs/ 下有没有空壳文件夹。
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！
