一、环境管理命令

1.1 环境列表与信息

# 查看所有环境
conda env list
conda info --envs

# 详细环境信息
conda list --name myenv
conda list --name myenv --revisions
conda list --name myenv --export

# 环境路径信息
conda info --envs --json
conda info --envs --quiet

1.2 环境创建

# 基础创建
conda create --name myenv
conda create -n myenv

# 指定Python版本
conda create -n myenv python=3.11
conda create -n myenv python=3.12.0

# 指定包和版本
conda create -n myenv python=3.11 numpy=1.24 pandas=2.0

# 克隆环境
conda create --name newenv --clone oldenv
conda create --clone oldenv -n newenv

# 从文件创建
conda env create -f environment.yml
conda env create --file environment.yml
conda env create --prefix ./env -f environment.yml

# 创建空环境
conda create --name emptyenv --no-default-packages
conda create -n emptyenv python --no-deps

# 创建环境并指定位置
conda create --prefix /path/to/env python=3.11
conda create --prefix ./project_env python=3.11

1.3 环境激活与切换

# 激活环境
conda activate myenv                 # 标准激活
conda activate /path/to/env          # 通过路径激活

# 切换到base环境
conda activate base

# 撤销激活
conda deactivate

# 查看当前激活环境
conda info | grep "active environment"
echo $CONDA_DEFAULT_ENV              # Linux/Mac
echo %CONDA_DEFAULT_ENV%             # Windows

1.4 环境更新与修改

# 更新环境中所有包
conda update --name myenv --all
conda update -n myenv --all

# 从yml文件更新环境
conda env update -n myenv -f environment.yml
conda env update --name myenv --file environment.yml

# 更新环境中的Python版本
conda update -n myenv python=3.12

1.5 环境删除

# 删除环境
conda remove --name myenv --all
conda env remove --name myenv
conda env remove -n myenv

# 删除前缀环境
conda remove --prefix /path/to/env --all

# 强制删除
conda env remove --name myenv --yes
conda remove -n myenv --all -y

1.6 环境导出与导入

# 导出环境配置
conda env export --name myenv > environment.yml
conda env export -n myenv --no-builds > env.yml
conda env export --from-history > env_light.yml

# 导出详细依赖
conda list --name myenv --explicit > spec-file.txt
conda list -n myenv --export > requirements.txt

# 导出为JSON格式
conda env export --json > environment.json
conda env export --name myenv --json --no-builds

# 导入环境
conda env create -f environment.yml
conda env create --file environment.yml --name newenv

二、包管理命令

2.1 包安装

# 基础安装
conda install numpy
conda install numpy pandas matplotlib

# 指定版本
conda install numpy=1.24.3
conda install "numpy>=1.24"
conda install "numpy>=1.24,<1.25"

# 从特定channel安装
conda install -c conda-forge tensorflow
conda install -c pytorch pytorch torchvision
conda install -c conda-forge -c defaults package_name

# 安装到指定环境
conda install --name myenv numpy
conda install -n myenv package_name

# 安装到前缀环境
conda install --prefix /path/to/env numpy

# 安装并指定构建版本
conda install numpy=1.24.3=py311h1234567_0

# 强制重新安装
conda install numpy --force-reinstall

2.2 包更新

# 更新指定包
conda update numpy
conda upgrade numpy

# 更新所有包
conda update --all
conda upgrade --all

# 更新到指定版本
conda update numpy=1.25.0

# 更新conda自身
conda update conda
conda update conda-build
conda update anaconda

# 仅安全更新
conda update --all --update-specs

2.3 包卸载

# 卸载包
conda remove numpy
conda uninstall numpy

# 卸载多个包
conda remove numpy pandas matplotlib

# 从指定环境卸载
conda remove --name myenv numpy
conda remove -n myenv package_name

# 强制卸载
conda remove numpy --force

2.4 包查询

# 查看已安装包
conda list
conda list --name myenv
conda list -n myenv

# 查看特定包
conda list numpy
conda list "numpy*"

# 导出包列表
conda list --export
conda list --explicit
conda list --md5

# JSON格式输出
conda list --json
conda list --json --name myenv

# 查看可更新包
conda list --update-available
conda list --outdated

2.5 包搜索

# 搜索包
conda search numpy
conda search "numpy>=1.24"

# 搜索指定channel
conda search -c conda-forge tensorflow
conda search --channel conda-forge package_name

# JSON格式搜索
conda search numpy --json

# 搜索平台特定包
conda search numpy --platform win-64
conda search numpy --subdir linux-64

# 搜索并显示所有版本
conda search numpy --all
conda search numpy --info

三、通道管理命令

3.1 通道配置

# 查看当前通道
conda config --show channels
conda config --get channels

# 添加通道
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels conda-forge

# 移除通道
conda config --remove channels conda-forge
conda config --remove-key channels

# 设置通道优先级
conda config --set channel_priority strict
conda config --set channel_priority flexible
conda config --set channel_priority disabled

# 临时使用通道
conda install -c conda-forge numpy --override-channels

3.2 通道列表

# 查看所有可用通道
conda search --channel-urls

# 清理通道缓存
conda clean --channel-cache

四、配置管理命令

4.1 配置文件操作

# 查看所有配置
conda config --show
conda config --show-sources
conda config --show-all

# 查看特定配置
conda config --show channels
conda config --show default_channels
conda config --show envs_dirs

# 设置配置
conda config --set always_yes true
conda config --set auto_update_conda false
conda config --set notify_outdated_conda false

# 删除配置
conda config --remove-key always_yes
conda config --remove default_channels

# 重置配置
conda config --remove-key --force

4.2 常用配置项

# 自动确认
conda config --set always_yes true

# 不自动更新conda
conda config --set auto_update_conda false

# 环境目录配置
conda config --add envs_dirs /path/to/envs

# 包缓存配置
conda config --set pkgs_dirs /path/to/pkgs

# SSL验证
conda config --set ssl_verify false

# 并行下载线程数
conda config --set default_threads 4

# 重试次数
conda config --set remote_max_retries 10

五、清理与维护命令

5.1 清理操作

# 清理所有缓存
conda clean --all

# 清理包缓存
conda clean --packages
conda clean --tarballs
conda clean --source-cache

# 清理索引缓存
conda clean --index-cache

# 清理临时文件
conda clean --tempfiles

# 清理日志文件
conda clean --logfiles

# 强制清理
conda clean --all --force-pkgs-dirs
conda clean --all --force

5.2 系统维护

# 验证包完整性
conda verify --name myenv
conda verify numpy

# 检查环境
conda doctor

# 重建索引
conda index

# 修复权限
conda config --set allow_softlinks false

六、信息查询命令

6.1 系统信息

# 查看conda信息
conda info
conda info --envs
conda info --system

# JSON格式信息
conda info --json
conda info --envs --json

# 查看版本信息
conda --version
conda info --version

# 查看平台信息
conda info --platforms

6.2 环境详细信息

# 查看环境变量
conda env config vars list --name myenv

# 设置环境变量
conda env config vars set MY_VAR=value --name myenv

# 删除环境变量
conda env config vars unset MY_VAR --name myenv

# 查看环境历史
conda list --name myenv --revisions
conda history --name myenv

七、高级操作命令

7.1 包构建与开发

# 构建包
conda build ./recipe
conda build --python 3.11 ./recipe

# 转换包格式
conda convert --platform all package.tar.bz2

# 创建元包
conda metapackage mypackage 1.0

7.2 依赖解析

# 解决环境依赖
conda create --dry-run -n testenv python=3.11 numpy
conda install --dry-run numpy

# 查看依赖关系
conda depends numpy
conda tree numpy
conda search --info numpy

7.3 批量操作

# 批量安装
conda install --file requirements.txt
conda install --yes --file requirements.txt

# 批量导出
conda list --export --md5 > requirements.md5
conda list --explicit > requirements.explicit

八、实验性功能（25.11.1+）

8.1 新特性命令

# 新的环境状态管理
conda env state save --name myenv
conda env state restore --name myenv

# 增强的包查询
conda package search --full numpy
conda package info numpy

# 改善的依赖解析
conda solve --name myenv
conda solve --platform linux-64

8.2 性能优化命令

# 并行操作
conda install --parallel numpy pandas

# 缓存优化
conda clean --cache --force
conda config --set use_index_cache true

九、常用组合命令

9.1 开发工作流

# 创建并激活环境
conda create -n project python=3.11 && conda activate project

# 安装并导出依赖
conda install numpy pandas && conda env export > environment.yml

# 更新并清理
conda update --all && conda clean --all

9.2 环境迁移

# 完整环境迁移
conda env export --name source_env > env.yml
conda env create --name target_env --file env.yml

# 轻量级迁移
conda env export --name source_env --from-history > env_light.yml
conda env create --name target_env --file env_light.yml

十、快捷命令参考表

参数速查表

使用提示：

1. 使用 conda <command> –help 查看具体命令协助
2. 使用 –dry-run 参数测试命令而不实际执行
3. 定期运行 conda update conda 保持最新
4. 使用 conda config –show 查看当前配置