环境与依赖管理：Conda、Docker与Poetry构建可复现开发环境

004、环境与依赖管理：Conda、Docker与Poetry构建可复现开发环境

上周排查一个模型推理的诡异问题，花了两天时间才发现是同事的CUDA版本和我的差了一个小版本号。他那边能正常跑出结果，我这儿总是间歇性报内存错误。这种环境不一致导致的“玄学”问题，在团队协作中太常见了。今天咱们就聊聊怎么用工具链把开发环境锁死，让代码在任何机器上都能复现相同行为。

从混乱到秩序：环境管理的三个层次

很多新手喜欢直接pip install装全局包，项目一多就开始打架。我习惯把环境管理分成三个层次：Python虚拟环境、系统级环境隔离、完整环境容器化。这三个层次对应不同的工具和场景。

Conda解决的是系统级依赖问题。比如你的模型需要特定版本的CUDA，或者某个科学计算库依赖特定版本的MKL，这时候纯Python虚拟环境就无能为力了。我常用的Conda命令其实就那几个：

# 创建环境时指定Python版本和基础包conda create-nmodel-envpython=3.9