北京
刚入门AI和数据科学时，我很快发现管理Python环境简直是噩梦。依赖冲突、"在我电脑上能跑"的错误——调试环境的时间比写代码还长。
为了简化流程、保持机器整洁，我转向Mac上的Miniconda + Homebrew组合。我把核心命令浓缩成一张高密度的A4速查表，跳过遗留臃肿内容，专注生产级工作流。
这份指南覆盖四个关键环节：通过Homebrew完成干净安装；创建、克隆、导出环境实现项目隔离；正确注册内核让Jupyter笔记本识别已安装包；以及新项目启动的标准化检查清单。
安装环节只需四步：用包管理器安装，初始化zsh，重载shell，验证版本。具体命令为：brew install miniconda，conda init zsh，source ~/.zshrc，conda --version。
环境管理是核心。列出全部环境用env list命令；创建指定Python版本的新环境用create --name加python参数；激活和退出分别用activate和deactivate。需要备份或分享时，导出为YAML文件；从文件重建环境用create -f参数。删除用env remove，克隆用create加--clone参数。
包管理遵循明确优先级。首选官方渠道直接安装，需要特定版本加等号指定，批量安装直接列清单。第三方频道提供更广泛的包选择，安装JupyterLab就用-c参数指定频道。只有官方和第三方都找不到时才用pip，且必须先搜索确认。更新用update命令，更新全部加--all参数，移除用remove，查看已安装用list。
Jupyter集成常被忽视却至关重要。安装后执行启动命令，关键是确保内核正确注册，否则笔记本看不到环境中安装的包。
这套工作流的目标很明确：无论你是整理实验的学生，还是需要"无废话"参考的开发者，都能减少终端时间，把精力投入真正有价值的构建。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
