conda是跨语言包与环境管理系统，支持非Python包及底层依赖；venv是Python内置模块，仅管理Python解释器和纯Python包。
使用 gh project CLI 管理 GitHub Projects v2。在代理需要列出待办事项、设置项目字段（如状态、迭代、优先级等）时使用此技能。
conda与venv的核心区别：不只是包管理器 vs 环境工具
conda 不是 Python 专属的虚拟环境工具，而是一个跨语言的包与环境管理系统；venv 是 Python 标准库内置模块，仅管理 Python 解释器及纯 Python 包。这意味着：
- conda 可以安装 numpy、ffmpeg、rust-toolchain 等非 Python 包，且自动解决底层依赖（如 MKL、CUDA）；
- venv 只复制或链接 Python 解释器，依赖 pip 安装包，对二进制兼容性、系统级依赖无感知。
实际选型建议：
- 科学计算、AI、需要预编译库（如 PyTorch + CUDA） → 优先用 conda；
- Web 开发、轻量脚本、CI/CD 中强调标准性和最小依赖 → venv + pip 更透明可控；
- 混合场景（如 conda 管理基础环境 + pip 安装特定 wheel）完全可行，但需禁用 pip 的自动更新检查（pip config set global trusted-host pypi.org）避免冲突。
conda 高级技巧：环境复现、离线部署与通道优化
生产环境中常需精确复现环境。conda export 默认导出平台相关包（含 build 字符串），易导致跨平台失败：
- ✅ 推荐方式：conda env export --from-history > environment.yml —— 只记录你显式安装的包（不含依赖推导项）；
- ✅ 离线部署：先 conda pack -n myenv -o myenv.tar.gz 打包（含所有 .so/.dll），目标机解压后 source activate ./myenv/bin/activate（Linux/macOS）或 call myenv\Scripts\activate.bat（Windows）；
- ✅ 加速安装：配置国内镜像源（如清华）并设为默认通道：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
再执行 conda config --remove-key channels 清除默认 channel 列表，避免搜索慢。
venv 进阶控制：隔离性强化、可复现性与 IDE 集成
venv 默认不隔离系统 site-packages，但可通过 --system-site-packages 显式开启（慎用）。真正干净的环境应：
- 创建时加 --clear 清空已有环境（覆盖重装）；
- 使用 --without-pip 创建极简环境，后续用 get-pip.py 或 embeddable zip 手动安装指定版本 pip；
- 提升可复现性：不用 pip install requirements.txt，改用 pip-compile（来自 pip-tools）生成带哈希锁的 requirements.txt：
pip install pip-tools
pip-compile --generate-hashes --allow-unsafe requirements.in
- VS Code / PyCharm 识别 venv：确保在项目根目录下创建 .venv 文件夹，IDE 会自动检测；若手动指定，路径必须指向含 python.exe（Windows）或 python（macOS/Linux）的 bin/ 子目录。
混合工作流实战：conda 做基础环境，venv 做项目沙盒
大型团队常用“conda base + venv per project”模式，兼顾稳定性与灵活性：
- 用 conda 创建统一 Python 版本基础环境（如 py39-base），安装公司内部 SDK、监控 agent 等共用组件；
- 各项目目录内运行 python -m venv .venv --system-site-packages，复用 base 环境的解释器和部分包；
- 在 .venv 中仅 pip install 当前项目依赖，避免 conda update 导致的意外升级；
- Git 忽略 .venv，但保留 pyvenv.cfg 文件（记录 base-python 路径），便于新成员一键重建：
python -c "import sys; print(sys.base_prefix)" > pyvenv.cfg
>后续可用脚本读取该文件自动激活对应 conda 环境再创建 venv。
