Conda 的替代品

背景：为什么需要替代品

长期以来，Anaconda Distribution 和 Miniconda 是 Python 数据科学与科学计算场景下最常用的发行版。然而自 2020 年起，Anaconda, Inc. 更新了其服务条款（Terms of Service）,对商业用途做出了限制:

员工及承包商（含关联方）人数达到或超过 200 人的组织，需要购买商业版（Business）授权才能合法地在内部业务中使用 Anaconda 的包仓库(主要是 defaults 频道)。

商业版定价约为 $50/用户/月;200 人以下的组织可以使用 Starter($15/用户/月)或免费版。学术机构与非营利研究机构通常可以申请豁免。需要注意的是:

• 受限的是 Anaconda, Inc. 维护的 defaults 频道及其打包产物，而非 conda 工具本身（conda 本体仍为 BSD 开源）。
• 社区维护的 conda-forge 频道是独立项目，不受该条款约束。

因此,“换掉 Anaconda/Miniconda"在工程上的常见做法是:保留 conda(或兼容工具),改用 conda-forge 作为唯一频道,或者彻底迁移到非 conda 生态的工具。

Miniforge:最贴近原体验的替代

Miniforge 由 conda-forge 社区维护，定位与 Miniconda 类似，但有两点关键差异:

1. 默认频道只有 conda-forge:开箱即用，不再拉取 Anaconda 的 defaults 频道，从源头上规避了商业授权问题。
2. 同时内置 conda 和 mamba:自 2023 年 8 月的 23.3.1 版本起，Miniforge 已经在 base 环境中附带 mamba。原先的 Mambaforge 发行版已废弃，统一并入 Miniforge3。

支持的平台比较全:Linux(x86_64、aarch64、ppc64le)、macOS(Intel 与 Apple Silicon)、Windows(x86_64)。最新版 base 环境 Python 为 3.13。

对于"原来装 Miniconda，现在想无缝迁移"的团队，Miniforge 基本是首选，语法、工作流与 conda 完全一致。

Mamba:更快版本的 conda

Mamba 是 conda 的 C++ 重新实现，核心改进有三:

• 并行下载:多线程拉取仓库索引和包文件。
• 快速依赖求解:使用 libsolv——与 Red Hat / Fedora / openSUSE 的 RPM 包管理器相同的 SAT 求解库，解决了 conda 经典求解器在复杂依赖图下"转半天"甚至无解的老问题。
• 复用 conda 的 CLI 与事务逻辑:命令行参数、安装/卸载、事务校验与 conda 高度一致，迁移成本低。

如果已经装了 Miniforge，直接用 mamba install xxx 替代 conda install xxx 即可享受加速;其余命令(create、activate、list)几乎一一对应。

值得一提的是，自 conda 23.10.0(2023 年 10 月)起，conda 本身已将 conda-libmamba-solver 设为默认求解器，也就是说新版 conda 在依赖求解这一环节已经用上了 libmamba，差距主要剩下"是否并行下载"和"是否需要单独安装”。

micromamba:CI/CD 与容器的首选

micromamba 是 mamba 的静态链接版本,单一可执行文件，不依赖 Python、不需要 base 环境，体积小、启动快，非常适合 CI/CD 流水线和 Docker 镜像。安装命令（Linux/macOS）:

"${SHELL}" <(curl -L micro.mamba.pm)

Windows PowerShell:

Invoke-Expression ((Invoke-WebRequest -Uri https://micro.mamba.pm/install.ps1 -UseBasicParsing).Content)

典型用法:

# 创建环境并安装包(用 -n 指定名字)
micromamba create -n myenv python=3.12 'pytest>=8.0'
micromamba run -n myenv pytest tests/

# 在 CI 里一行跑命令,免去 shell init
micromamba run -p /tmp/env pytest myproject/tests

micromamba self-update 可以原地升级自身，便于在镜像里维护。

跳出 conda 生态:uv 与 Pixi

如果项目主要依赖纯 PyPI 包，完全可以不使用 conda 系工具。

uv

uv 来自 Astral(Ruff 的作者),用 Rust 编写，号称比 pip 快 10-100 倍。它的定位非常激进——一个工具替代 pip、pip-tools、pipx、poetry、pyenv、virtualenv:

• uv pip 子命令是 pip 的 drop-in 替代，迁移成本低;
• uv venv --python 3.12.0 一键创建指定 Python 版本的虚拟环境;
• uv init / uv add / uv lock / uv sync 提供 Cargo 风格的项目管理与锁文件;
• uvx <pkg> 等价于 pipx run,临时运行 CLI 工具;
• 自带全局缓存，跨项目共享依赖，节省磁盘。

Pixi

Pixi 由 prefix.dev 团队开发，同样用 Rust 编写，底层基于 rattler。它的特点是同时打通 conda 生态与 PyPI:既能装 conda-forge 上的二进制包（适合带原生依赖的 C++/R 库）,也能装纯 Python 包，并自带类似 Cargo 的 pixi.toml 项目工作流。对于同时需要 CUDA、GDAL、科学计算库这类"pip 装起来很痛苦"的场景，Pixi 是一个值得关注的现代选择。

如何选择

实际项目中这些工具并非互斥：例如 base 用 Miniforge、CI 里用 micromamba、应用代码层用 uv 管理 PyPI 依赖，都是常见的组合。

参考

• Anaconda Terms of Service / Pricing FAQ
• Miniforge
• Mamba / mamba 文档
• micromamba 安装指南
• conda-libmamba-solver
• conda-forge
• uv
• Pixi