# 指定 Python 版本
conda create -n env_name python=3.9

# 包含特定包
conda create -n env_name numpy pandas matplotlib

# 克隆环境
conda create -n env_clone --clone existing_env

# 完全隔离(不继承 base)
conda create -n isolated_env --no-default-packages python=3.9

# 激活
conda activate env_name

# 停用
conda deactivate

# 查看当前环境
echo $CONDA_DEFAULT_ENV

# 列出所有环境
conda env list

# 删除环境
conda remove -n env_name --all

# 导出环境
conda env export > environment.yml

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

# 仅导出显式安装的包
conda env export --from-history

# 安装包
conda install package_name
conda install package_name=1.2.3
conda install numpy pandas matplotlib

# 从特定渠道安装
conda install -c conda-forge package_name

# 更新包
conda update package_name
conda update --all
conda update conda

# 删除包
conda remove package_name

# 搜索包
conda search package_name
conda info package_name

# 列出已安装
conda list
conda list --outdated

# 添加渠道
conda config --add channels conda-forge

# 删除渠道
conda config --remove channels conda-forge

# 查看渠道
conda config --show channels

# 严格优先级
conda config --set channel_priority strict

# 查看配置
conda config --show

# 常用设置
conda config --set default_python 3.9
conda config --set auto_activate_base false
conda config --set channel_priority strict

# 重置配置
conda config --remove-key <key>

# 清理缓存
conda clean -a

# 查看信息
conda info

# 查看版本
conda --version

# 下载到本地缓存
conda install --download-only package_name

# 从本地安装
conda install --use-local package_name

# 在环境中安装 Jupyter
conda install -n env_name jupyterlab

# 添加内核
python -m ipykernel install --user --name env_name --display-name "Python (env_name)"

# 临时指定环境路径
CONDA_ENVS_PATH=/path/to/envs conda create -n test_env python=3.9