Anaconda：数据科学与 AI 开发的可信基础平台 #

Anaconda 是什么？ #

Anaconda 是一款面向数据科学、机器学习与 AI 开发的一体化 Python/R 发行版与环境管理平台，其核心是开源包与环境管理器 conda。它帮助数百万数据科学家、工程师和研究人员更快地从一个想法走到可运行的结果——无论是训练模型、探索数据集、自动化数据管道，还是讲授一门课程。

Anaconda 解决的核心痛点是"环境地狱"：不同项目对 Python 版本、第三方库及其依赖的要求往往互相冲突。conda 负责安装软件、解析依赖关系，并把每个项目彼此隔离，因此更新一个项目永远不会破坏另一个项目。除了本地开发，Anaconda 还提供 Anaconda Notebooks 云端 JupyterLab 环境、面向企业团队的 Anaconda Platform（AI Workspaces、AI 安全护栏、AI 编排、AI Artifacts）以及开源 AI 编码智能体 Kilo，覆盖从个人学习到企业级生产部署的完整链路。

Anaconda 有哪些亮点特色？ #

• conda 驱动的环境隔离：以开源包与环境管理器 conda 为核心，自动完成依赖解析与版本匹配，为每个项目创建独立环境，从根本上避免"装了这个库，坏了那个项目"的依赖冲突问题。
• 开箱即用的完整发行版：Anaconda Distribution 在预构建的 base 环境中直接附带 conda、Python、Anaconda Navigator 以及数百个流行的数据科学与机器学习包，安装完成当天即可投入工作，无需逐个配置。
• 海量经审核的可信包仓库：提供对 Anaconda 官方包仓库的完整访问权限，数千个经过审核与安全托管的 Python 包，相比从零散来源手动安装，显著降低供应链风险。
• 内置主流开发工具链：安装包中已包含 Python、Jupyter Notebook、JupyterLab 等常用工具，无需额外安装即可开始交互式编程与数据分析。
• 两种安装形态自由选择：需要完整环境可直接安装 Anaconda Distribution；清楚自己需要什么、希望保持精简的用户可选择 Miniconda——它只安装 conda、Python 及其依赖，按需增量添加。
• 迈向 AI 原生的企业平台：Anaconda Platform 把零散拼凑的 AI 工具链整合为一体，涵盖 AI Workspaces（模型选择与成本控制）、AI Security & Guardrails（上线前自主测试、运行时保护）、AI Orchestration（跨云、混合、本地与主权环境的生产编排）和 AI Artifacts（经审核的包、模型与 MCP 资产）。
• Kilo：开源 AI 编码智能体：Kilo 是 500 万以上构建者使用的开源 AI 编码代理，可在 IDE、CLI、云端、Slack 与代码审查中统一工作，支持 500+ 模型、60+ 供应商，并允许自带 API Key，MIT 许可开源可审计。
• 个人免费、企业可控的信任基础：全球 5000 万以上用户正在使用，95% 的《财富》500 强企业信任 Anaconda 弥合开源创新与企业合规要求之间的差距；个人开发者可免费开始，200 人以上规模的组织按官方条款需购买商业授权。

免费下载 Anaconda #

以下为官方提供的各平台安装包，Anaconda Distribution 为完整版（含 conda、Python、Navigator 及数百个常用包），Miniconda 为最小化安装版（仅含 conda、Python 及其依赖）。点击链接即可下载。

Anaconda 如何使用？ #

1. 打开终端并确认安装成功

安装完成后打开命令行（Windows 使用"Anaconda Prompt"，macOS/Linux 使用终端），输入 conda --version，若返回版本号即表示 conda 已正确安装并加入环境变量。

2. 创建一个独立的项目环境

使用 conda create -n myenv python=3.12 创建名为 myenv、Python 版本为 3.12 的环境；随后用 conda activate myenv 激活该环境，之后所有安装与运行都只作用于这个环境，不会污染系统或其他项目。

3. 安装所需的包

在激活的环境中执行 conda install numpy pandas scikit-learn，conda 会自动解析依赖并给出变更方案，确认后完成安装。若某个包只在 PyPI 上架，可先用 conda install pip 再通过 pip install 包名 补充安装。

4. 用图形界面管理环境（可选）

Anaconda Distribution 用户可以直接启动 Anaconda Navigator，在可视化界面中浏览、创建、克隆与删除环境，并一键启动 Jupyter Notebook、JupyterLab、Spyder 等应用，适合不熟悉命令行的新手。

5. 开始编写与调试代码

在环境中运行 jupyter lab 即可在浏览器中打开交互式笔记本，逐单元格执行代码、可视化数据并记录分析过程。完成后用 conda deactivate 退出环境，用 conda env export > environment.yml 导出环境清单，方便在另一台机器上用 conda env create -f environment.yml 完整复现。

提示：如果不想在本地安装任何软件，可直接使用 Anaconda Notebooks——这是官方提供的云端 JupyterLab 环境，打开浏览器即可开始编程。

Anaconda 的常见问题？ #

Anaconda 对我来说是免费的吗？

Anaconda Distribution 和 Miniconda 均可免费下载使用，但需遵守官方服务条款。需要特别注意的是，在员工或承包商超过 200 人的组织中使​​用 Anaconda 的产品，需要购买商业授权，除非该组织符合折扣或免费使用的资格，具体以官网 Pricing 页面为准。

Anaconda Distribution 和 Miniconda 应该选哪个？

两者都包含 conda 并都可访问完整的 Anaconda 包仓库。区别在于 Anaconda Distribution 额外预装了 Python、Anaconda Navigator 和数百个流行的数据科学与机器学习包，适合希望"第一天就能直接用"的用户；Miniconda 只安装 conda、Python 及其依赖，适合清楚自己需要什么、偏好精简安装的用户，后续可按需添加包。

conda 和 pip 有什么区别，可以混用吗？

conda 是跨语言的包与环境管理器，不仅能管理 Python 包，还能管理 Python 解释器本身和非 Python 依赖（如底层 C 库），并擅长处理复杂的依赖冲突；pip 只安装 Python 包。实践中建议优先使用 conda 安装，只有在 conda 源中找不到该包时才用 pip 补充，并尽量避免在同一个环境中反复交替使用两者，以免破坏依赖一致性。

更新一个项目的库会不会影响其他项目？

不会。conda 的核心设计就是把每个项目的依赖隔离在独立环境中，更新某个环境里的包只会在该环境内生效，其他环境保持不变，这正是 Anaconda 用来避免"更新一个项目破坏另一个项目"的关键机制。

我的代码不能离开本地机器，可以离线使用吗？

可以。Anaconda 支持本地与离线工作流，Kilo 也提供 Kilo Desktop 以运行本地和离线模型。企业还可以通过平台策略控制工作负载的运行位置、可用供应商以及数据处理方式，相关能力可咨询官方销售团队。

安装包体积为什么这么大？

Anaconda Distribution 的安装包约 1 GB 量级，因为它一次性打包了 Python、conda、Anaconda Navigator 以及数百个经过预构建和测试的数据科学包，省去了逐个下载编译的时间。如果对体积敏感，可选择仅百余 MB 的 Miniconda，再按需安装所需组件。

Anaconda 如何安装？ #

Windows #

1. 下载 Anaconda3-2026.07-1-Windows-x86_64.exe（完整版）或 Miniconda3-latest-Windows-x86_64.exe（最小版）。
2. 双击运行安装程序，按向导点击 Next。
3. 阅读并接受许可协议，选择"Just Me"（仅当前用户）或"All Users"（所有用户）。
4. 选择安装路径，建议使用不含中文和空格的目录，例如 C:\anaconda3。
5. 在"Advanced Options"中按需勾选"Add Anaconda3 to my PATH environment variable"（官方默认为不勾选，如不勾选则需通过开始菜单中的 Anaconda Prompt 使用 conda）。
6. 点击 Install 等待安装完成，结束后打开 Anaconda Prompt，执行 conda --version 验证是否安装成功。

macOS #

1. 下载 Anaconda3-2026.07-1-MacOSX-arm64.pkg（Apple Silicon 芯片）或 Miniconda3-latest-MacOSX-arm64.pkg。
2. 双击 .pkg 文件启动图形化安装向导。
3. 按提示一路继续，选择安装磁盘并输入管理员密码授权。
4. 安装完成后打开"终端"，执行 conda --version 验证。
5. 若提示找不到 conda 命令，可执行 source ~/anaconda3/bin/activate 或 conda init zsh 完成 Shell 初始化，然后重新打开终端。

Linux #

1. 从官方下载页面获取对应架构的 .sh 安装脚本。
2. 在终端中执行 bash Anaconda3-<版本>-Linux-x86_64.sh（或对应的 Miniconda 脚本）。
3. 按回车阅读许可协议，输入 yes 表示同意。
4. 确认安装路径（默认 ~/anaconda3 或 ~/miniconda3），等待解压安装完成。
5. 当询问是否运行 conda init 时输入 yes，随后关闭并重新打开终端，执行 conda --version 验证。

安装提示：无论哪个平台，安装完成后都建议先执行一次 conda update conda 更新包管理器本体，再创建项目环境，以获得最新的依赖解析能力。

Anaconda 如何卸载？ #

Windows #

1. 打开"控制面板 → 程序和功能"（或"设置 → 应用 → 已安装的应用"）。
2. 在列表中找到 Anaconda3（或 Miniconda3），点击"卸载"并按照向导完成卸载。
3. 卸载完成后，手动删除残留的安装目录（例如 C:\anaconda3 或 C:\Users\<用户名>\anaconda3）以及用户目录下的 .conda、.anaconda 配置文件夹。
4. 如果安装时勾选过加入 PATH，请在"系统属性 → 环境变量"中移除相关条目。
5. 如需要，可运行官方提供的清理工具 anaconda-clean（需在卸载前通过 conda install anaconda-clean 安装并执行）来清除分散在用户目录中的配置文件。

macOS #

1. 完整版安装包（pkg）安装的用户，可在"访客"或用户目录下找到 anaconda3 文件夹；先运行 conda install anaconda-clean 然后执行 anaconda-clean --yes 清除配置文件。
2. 删除主安装目录，例如 rm -rf ~/anaconda3（或 ~/miniconda3）。
3. 删除残留配置：rm -rf ~/.anaconda_backup ~/.conda ~/.condarc。
4. 编辑 ~/.zshrc 或 ~/.bash_profile，移除由 conda init 写入的 conda 初始化代码块，然后执行 source ~/.zshrc 使其生效。

Linux #

1. 先执行 conda install anaconda-clean 与 anaconda-clean --yes 清理配置文件。
2. 删除安装目录，例如 rm -rf ~/anaconda3（或 ~/miniconda3）。
3. 删除残留配置目录：rm -rf ~/.conda ~/.condarc ~/.continuum。
4. 打开 ~/.bashrc，删除其中 conda 写入的初始化段落，然后执行 source ~/.bashrc 完成清理。

提醒：卸载会一并删除 base 环境以及其中所有已安装的包。如果某个环境中有需要保留的项目依赖，请先执行 conda env export -n <环境名> > environment.yml 导出环境清单，以便在新环境中完整复现。