Anaconda 命令

Conda 仍能做环境隔离，但 2026 年起新项目建议直接用 uv 或 pyenv + venv，更快、更轻、配置少。Anaconda 的价值只剩数据科学那一亩三分地——多 Python 版本 + 大量预编译科学包。

环境管理

# 列出所有环境
conda env list

# 创建环境（指定 Python 版本）
conda create -n myenv python=3.12

# 激活 / 退出
conda activate myenv
conda deactivate

# 复制环境
conda create -n newenv --clone myenv

# 导出 / 复现
conda env export > environment.yml
conda env create -f environment.yml

包管理

# 列出当前环境的包
conda list

# 安装 / 升级 / 卸载
conda install numpy
conda update numpy
conda remove numpy

# 升级所有包
conda update --all

Jupyter

# 安装 JupyterLab
conda install -c conda-forge jupyterlab

# 生成配置 / 设置密码
jupyter lab --generate-config
jupyter lab password

# 启动
jupyter lab --ip 0.0.0.0 --port 8888

镜像源

# 查看当前源
conda config --show channels

# 添加清华源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r/
conda config --set show_channel_urls yes

# 切回默认源
conda config --remove-key channels

注意事项

• conda install 解析依赖比 pip 慢得多，混合使用 pip/conda 容易破坏环境
• 新项目优先 uv：uv venv && uv pip install ...，速度差一个数量级
• 数据科学场景下用 mamba 或 micromamba 替代 conda 的求解器（同样是社区方案）

参考

• Conda 官方文档
• Miniconda 下载