MCM-ICM_Toolkit/docs/04-environment.md

环境配置

记录本机（Windows / PowerShell）上 conda 与 venv 两套环境的实际配置方式、 实测数据、以及踩过的坑。相关脚本在 scripts/。

状态：两套环境均已建好、版本已对齐、验证通过（2026-10-01）。

---

一、结论速查

	venv	conda env
路径	D:\MCM&ICM_Toolkit\.venv	D:\anaconda\envs\mcm-toolkit
解释器	Anaconda base，Python 3.13.9	Python 3.13.15
占用	10.5 MB	1.55 GB（+ 共用 pkgs 缓存）
来源	--system-site-packages 复用 base	conda 从 defaults 通道安装
用途	轻量开发 / 离线兜底	跑题主力环境
缺什么	SALib、pymoo、pyright	无缺口

两套的数值计算栈已完全一致（见 §5），只差 Python 补丁号。可以放心在两套之间切换。

---

二、venv（轻量、离线可用）

D:\anaconda\python.exe -m venv --system-site-packages --prompt "mcm-toolkit" .venv
.venv\Scripts\python.exe -m pip install -e . --no-deps --no-build-isolation

一键：./scripts/setup-venv.ps1

为什么用 --system-site-packages

让 venv 直接复用 Anaconda base 里已有的包，零下载就有可用的科学栈， 而且只有 10.5 MB，可以安心放在项目目录里。

已验证可导入（版本随 base 走，2026-10-01 base 升级后为）：

text numpy 2.4.6 scipy 1.18.1 pandas 3.0.6 matplotlib 3.11.2 scikit-learn 1.9.1 statsmodels 0.15.0 networkx 3.6.1 sympy 1.14.0

--no-deps --no-build-isolation 是必须的

• --no-deps：依赖已由 base 提供，不必联网解析；
• --no-build-isolation：否则 pip 会新建隔离环境去下载 setuptools 构建后端。

---

三、conda 环境 mcm-toolkit（跑题主力）

# 一键（推荐）
.\scripts\setup-conda.ps1

# 等价的手工命令
$env:CONDA_PLUGINS_AUTO_ACCEPT_TOS = 'yes'   # 见 §4 坑 1
conda create -n mcm-toolkit -y python=3.13 ^
    numpy scipy pandas matplotlib scikit-learn statsmodels ^
    networkx sympy openpyxl pytest ruff pip

实测：约 14.5 分钟（868 秒），下载约 3 GB，环境本体 1.55 GB。

建完后补装 pip-only 的依赖并安装本项目：

$py = 'D:\anaconda\envs\mcm-toolkit\python.exe'
& $py -m pip install SALib pymoo pyright
& $py -m pip install -e . --no-deps --no-build-isolation

这些 setup-conda.ps1 已全部自动完成。

为什么不推荐 --clone base

原以为 conda create -n X --clone base 是"本地复制、秒级完成、不用下载"。 实测不是。 在 conda 25.11 上它会重放 base 的完整包列表并逐个下载安装 （连 pandoc、m2-msys2-runtime、anaconda-navigator 这些都用不上的也照下）， 跑 253 秒才下完约 2 GB 就已被中止，按比例算远慢于精准列表。

所以 setup-conda.ps1 的默认路径是精准包列表；-CloneBase 只在你确实想 要一份 base 的完整副本时才用。

断网怎么办

提前建好环境，并保留 D:\anaconda\pkgs 缓存（现在 8.4 GB）。 包已在缓存里时 conda create --offline 才能工作；否则会失败。 比赛现场不要指望临时建环境，走 venv（它 100% 离线可用）。

---

四、踩过的坑

坑 1 —— Anaconda ToS 插件要联网。 Anaconda 25.x 自带 conda_anaconda_tos 插件，任何 create/install 之前都会去 repo.anaconda.com 拉 ToS 元数据。断网时它不是报"没网"，而是抛一长串 traceback。

$env:CONDA_PLUGINS_AUTO_ACCEPT_TOS = 'yes'     # 推荐：跳过联网，保留 libmamba 求解器
conda --no-plugins create ...                  # 彻底关插件（退化成经典求解器，慢）

坑 2 —— envs_dirs / pkgs_dirs 必须可写。 不可写时报 NotWritableError 或 Error encountered while attempting to create cache directory。排查：

conda info --json | Select-String "envs_dirs","pkgs_dirs"
conda config --show envs_dirs pkgs_dirs

坑 3 —— 被中止的 conda create 用 conda env remove 删不干净。 本次中止后 conda env remove -n mcm-toolkit -y 跑完，D:\anaconda\envs\mcm-toolkit 仍然存在且 conda env list 里已看不到它。要手工删目录：

Remove-Item -LiteralPath 'D:\anaconda\envs\mcm-toolkit' -Recurse -Force

坑 4 —— 别把 conda env 建在项目目录里。 conda create -p ./.conda 会把 GB 级目录放进仓库，脏 .gitignore 也容易误提交。

坑 5 —— 版本漂移。 本机 base 是 2025-10 装的，defaults 通道已是 2026-10 的版本，于是新建的 conda 环境拿到的是更新的版本（pandas 从 2.3.3 跳到 3.0.6，是 major 升级）。 见 §5，写代码时注意别依赖两套环境都有的行为。

---

五、两套环境的实际版本（已对齐）

2026-10-01 已把 base 从 Anaconda 2025.12 升到 2026.07，两套环境版本已对齐。

包	venv（继承 base）	conda mcm-toolkit
Python	3.13.9	3.13.15	补丁号，可忽略
numpy	2.4.6	2.4.6	✅ 一致
scipy	1.18.1	1.18.1	✅ 一致（连 build 号都相同）
pandas	3.0.6	3.0.6	✅ 一致
matplotlib	3.11.2	3.11.2	✅ 一致
scikit-learn	1.9.1	1.9.1	✅ 一致
statsmodels	0.15.0	0.15.0	✅ 一致
networkx	3.6.1	3.6.1	✅ 一致
sympy	1.14.0	1.14.0	✅ 一致
pytest	9.1.1	9.1.1	✅ 一致
SALib / pymoo / pyright	缺失	已装	venv 本来就只做轻量开发
BLAS 后端	MKL	MKL	✅ 一致

base 升级记录

[FENCE]powershell conda update -n base --all -y # 365 个包更新，下载 638 MB，耗时 1033 秒 conda install -n mcm-toolkit numpy=2.4.6 -y # 把项目环境对齐到 base 的 numpy [FENCE]

• conda 本身从 25.11.1 升到 26.7.3。
• 升级前 conda list -n base --revisions 里已留有 revision 记录，可回滚： conda install -n base --revision <N>。
• 踩过的坑：base 想装 numpy=2.5.3 时求解器会顺手把 BLAS 从 MKL 换成 OpenBLAS （_anaconda_depends 2026.07 ..._mkl_1 → ..._openblas_1、blas 1.0-mkl → 1.0-openblas）。 _anaconda_depends 把 base 的 numpy 钉在 2.4.6，硬升会牵动整套线性代数后端， 所以选择把项目环境的 numpy 降到 2.4.6 来对齐，而不是动 base。
• 升级期间遇到 repo.anaconda.com 读超时（默认 9.15 秒太短），已把 remote_read_timeout_secs 调到 120、remote_connect_timeout_secs 调到 30、 remote_max_retries 调到 5。这几项写在 ~/.condarc 里。

六、国内镜像（需要装新包时）

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
conda config --set show_channel_urls yes

# pip（对 venv 和 conda 环境都生效）
python -m pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

本机当前通过 http://127.0.0.1:7993 的 UniClash 代理直连，未配镜像。镜像只影响下载， 不影响坑 1 的 ToS 行为。

---

七、可选依赖

核心 4 个包（numpy scipy pandas matplotlib）两套环境都有。其余按需：

python -m pip install -e ".[ml]"            # sklearn statsmodels  已有
python -m pip install -e ".[graph]"         # networkx            已有
python -m pip install -e ".[sensitivity]"   # SALib               conda 环境已有
python -m pip install -e ".[symbolic]"      # sympy               已有
python -m pip install -e ".[moo]"           # pymoo               conda 环境已有
python -m pip install -e ".[excel]"         # openpyxl            已有
python -m pip install -e ".[dev]"           # pytest ruff pyright

缺依赖时对应函数应当给出可读的安装提示，而不是裸抛 ImportError （写成约定，见 docs/02-architecture.md §4.6）。

---

八、脚本的编码约定（踩过的坑）

scripts/ 下的 .ps1 必须是纯 ASCII + UTF-8 无 BOM + LF。

原因是 Windows PowerShell 5.1 在没有 BOM 时按 ANSI（本机 GBK）解析 .ps1， 中文注释和中文消息会被拆成非法字节，报出来的却是一堆莫名其妙的 Missing closing '}' in statement block / The string is missing the terminator。 （实测：带中文的 doctor.ps1 直接语法错误；改成纯 ASCII 后立刻正常。）

两种可行方案，本项目选了第二种：

1. 保留中文 → 必须存成 UTF-8 with BOM（违反 AGENTS.md 的"无 BOM"约定）；
2. 纯 ASCII，注释与输出用英文 → 符合 AGENTS.md，且任何编码下都能解析。← 采用

另一个相关的坑：PowerShell 5.1 向原生程序传参时会吃掉双引号， 所以 doctor.ps1 里传给 python -c 的探测代码只能用单引号字符串。

---

九、已知的沙箱相关现象

如果在受限环境（文件系统只读 / 无网络）里跑 matplotlib，会看到：

Matplotlib created a temporary cache directory at ... because there was an issue with
the default path (C:\Users\guzhu\.matplotlib)

这不是配置问题，是 ~\.matplotlib 不可写。正常终端里不会出现； 真遇到时设置 MPLCONFIGDIR 指向可写目录即可：

$env:MPLCONFIGDIR = "$env:TEMP\matplotlib"