Conda 环境实操指南
别把项目依赖直接装进 base 环境，保持隔离才是正道：
conda create --name my-env python=3.12
conda activate my-env
conda install numpy pandas
如果项目里已经有 environment.yml，用下面的命令创建或更新环境：
conda env create --file environment.yml
conda env update --file environment.yml --prune
第一条命令是经典且长期支持的工作流。新版 Conda 可能更推荐 conda create --file environment.yml。如果你写的脚本需要跨版本兼容，建议查阅官方环境指南确认细节。
依赖文件的边界
别想当然地认为所有 requirements.txt 都是 Conda 格式。看文件内容，选对应的命令：
# Conda 包规范，每行一个包
conda install --file conda-requirements.txt
# pip 风格的 Python 依赖，需在激活的环境中执行
conda install pip
python -m pip install --requirement requirements.txt
混用 Conda 和 pip 时，原则是：先装 Conda 包，最后装只有 pip 能装的包。如果环境已经乱成一锅粥，与其反复修补，不如直接删了重建，小环境重建成本很低，逻辑也更清晰。
查看、共享与清理
# 查看环境列表和已安装包
conda env list
conda list --name my-env
# 只导出明确安装的包（不含依赖推导），作为可移植的起点
conda env export --name my-env --from-history > environment.yml
# 做高风险实验前，先克隆一份备份
conda create --name my-env-copy --clone my-env
# 确认名称无误后，彻底删除环境
conda remove --name my-env --all
导出的 environment.yml 只是重建环境的输入，不代表在所有平台上都能解析出完全一致的构建结果。如果确实需要字节级复现环境，请使用显式规范（explicit spec）或锁文件（lockfile）。