当在不同机器上复用同一 Conda 环境时，import scipy; print(scipy.__version__) 可能返回与 conda list 显示不符的版本（如显示 1.13.1 而非环境声明的 1.12.0），根本原因在于 Python 优先加载了用户本地站点包（~/.local/lib/python3.9/site-packages/）中的 SciPy，而非 Conda 环境内的版本。

当在不同机器上复用同一 conda 环境时，`import scipy; print(scipy.__version__)` 可能返回与 `conda list` 显示不符的版本（如显示 1.13.1 而非环境声明的 1.12.0），根本原因在于 python 优先加载了用户本地站点包（`~/.local/lib/python3.9/site-packages/`）中的 scipy，而非 conda 环境内的版本。

该问题虽表面表现为“环境不一致”，实则源于 Python 的模块搜索路径机制：默认情况下，Python 会按以下顺序查找包：

1. 当前脚本所在目录
2. PYTHONPATH 指定路径
3. 用户站点目录（site.USER_SITE，如 ~/.local/lib/python3.9/site-packages/）
4. Conda 环境的 site-packages
5. 标准库路径

由于用户站点目录（由 pip install --user 或历史残留安装产生）在搜索顺序中早于 Conda 环境路径，若其中存在旧版 SciPy（例如 1.13.1），即使 conda list 显示环境已安装 1.12.0，运行时仍会加载用户目录下的版本——这正是 scipy.__version__ 与预期不符的直接原因。

⚠️ 特别注意：该问题在 JAX 场景下尤为敏感。JAX（尤其是旧版本如 0.2.19）对 SciPy 版本有隐式依赖，若加载了不兼容的本地 SciPy（如 1.13.1），可能导致数值计算异常、函数签名不匹配或静默降级行为。

解决方案（推荐两种方式）

✅ 方案一：禁用用户站点目录（推荐，安全且可逆）

在激活环境后，临时禁用用户站点包加载：

# Bash/Zsh
export PYTHONNOUSERSITE=1
python -c "import scipy; print(scipy.__version__)"  # 应输出 1.12.0

为永久生效，可将其加入环境激活脚本（如 conda activate 后自动执行）：

Python Use Agent

智能执行Python任务，自动生成、执行代码并反馈结果，无需额外配置，兼容旧命令。

下载

# 编辑 ~/.bashrc 或 conda 环境的 activate.d/env_vars.sh
echo 'export PYTHONNOUSERSITE=1' >> ~/.bashrc
source ~/.bashrc

✅ 方案二：彻底清理本地 SciPy（治本，适用于多用户/CI 环境）

手动删除用户站点中的 SciPy 相关文件（pip uninstall scipy 可能因权限或路径残留失败）：

# 查找并移除用户安装的 SciPy
ls -la ~/.local/lib/python3.9/site-packages/ | grep -i scipy
rm -rf ~/.local/lib/python3.9/site-packages/scipy*
rm -rf ~/.local/lib/python3.9/site-packages/scipy-*.dist-info

? 提示：执行前建议备份（cp -r ~/.local/lib/python3.9/site-packages/scipy* /tmp/scipy-backup/），并确认无其他项目强依赖该本地 SciPy。

验证与预防

• 验证修复效果：

  import sys
  print([p for p in sys.path if 'site-packages' in p])
  # 确保 ~/.local/... 不在列表前列，且 conda 环境路径优先
  import scipy
  print(scipy.__version__, scipy.__file__)  # __file__ 应指向 conda env 路径

• 预防措施：

  • 避免在共享环境中使用 pip install --user；
  • 创建新环境时添加 --no-user 参数（如 pip install --no-user scipy==1.12.0）；
  • 在 CI/CD 或部署脚本中显式设置 PYTHONNOUSERSITE=1。

通过以上任一方法，即可确保跨机器环境的一致性，让 SciPy 版本严格遵循 Conda 环境定义，从根本上规避因路径优先级引发的依赖冲突。