PAYATHON 2026

在 WSL 中使用 yml 文件创建 conda 环境时报错，如何解决？

排障赵师傅

使用 conda env create -f 读取这份 YAML，将路径开头补为 /mnt/c/...，并修正 YAML 中 pip: 下的缩进。文件可以继续放在 Windows 文件系统中；如果希望在 WSL 中管理项目，也可以放进用户主目录下的项目文件夹。

Conda 更新后版本不变，需要单独排查。日志只说明这次更新没有产生安装变更，无法据此判断新版本已经安装，或认定这是某个版本的已知缺陷。

创建命令和路径有什么问题？

带有 name:、dependencies: 等字段的环境 YAML，可以用以下命令创建环境：

conda env create -f "/mnt/c/Users/username/OneDrive - myUniversity/Desktop/proteomics_skani.yml"

conda env create 会读取文件中的环境名称：

name: proteomics_skani

因此，通常不需要再提供 -n proteomics_skani。也可以显式指定名称：

conda env create -n proteomics_skani -f "/mnt/c/Users/username/OneDrive - myUniversity/Desktop/proteomics_skani.yml"

原命令中的路径还缺少开头的 /：

mnt/c/Users/username/...

这是相对路径。Windows C 盘在 WSL 中通常挂载为 /mnt/c，所以这里应以 /mnt/c/Users/username/... 开头。路径中包含空格，需要保留双引号。

conda create --file 传统上常用于读取包规格列表，较新版本也可能支持环境文件识别，具体行为取决于版本。当前报错说明，这次调用在参数检查时没有取得环境名称。改用专门处理环境文件的 conda env create，可以避开这种用法差异。

先修正 YAML 中的 pip 配置

原文件中的后两个包没有缩进到 pip: 下面：

- pip:
- plotly==5.24.1
- pytest==8.2.2

这样写会使 pip: 的值为空，plotly 和 pytest 则成为 Conda 依赖列表中的独立项，无法表示这两个包需要通过 pip 安装。

可以将文件整理为：

name: proteomics_skani

channels:
  - conda-forge
  - bioconda
  - nodefaults

dependencies:
  - python=3.10
  - pandas
  - numpy
  - requests
  - scipy
  - spyder
  - skani
  - networkx=3.1
  - pip=22.3.1
  - pip:
      - plotly==5.24.1
      - pytest==8.2.2

这里保留了原来的版本约束，去掉了重复的 pip 条目，并显式设置渠道。nodefaults 表示本次创建环境时不再自动加入默认渠道，减少与 defaults 混用的情况。

修正结构后，所有固定版本仍可能无法同时满足依赖。如果后续求解失败，需要根据具体冲突调整。项目若不要求 pip=22.3.1，可以将它改为 pip。

保存文件后，在 WSL 终端中执行创建命令，再激活环境并检查：

conda activate proteomics_skani

python --version
command -v python
command -v skani
skani --help

python 和 skani 的路径应指向该 Conda 环境。日志中的 Platform: linux-64 表明，这次示例中的求解面向 Linux 平台。

YAML 文件应该放在哪里？

YAML 文件用于定义环境，Conda 可以直接从 /mnt/c/... 读取。文件放在哪里，不会决定环境安装在哪里。按环境名称创建时，安装位置由 Conda 的环境目录配置决定。

如果主要在 WSL 中开发，建议把项目放在 Linux 用户主目录下，例如：

/home/username/projects/proteomics_skani/

可以在 WSL 中执行：

mkdir -p ~/projects/proteomics_skani

cp "/mnt/c/Users/username/OneDrive - myUniversity/Desktop/proteomics_skani.yml" \
   ~/projects/proteomics_skani/

cd ~/projects/proteomics_skani
conda env create -f proteomics_skani.yml

对应的 Windows 文件资源管理器路径是：

\\wsl.localhost\Ubuntu-24.04\home\username\projects\proteomics_skani

\\wsl.localhost\Ubuntu-24.04 对应 Linux 的根目录 /。普通项目适合放在 /home/username 下，也便于管理文件权限。

主要使用 Linux 工具、频繁读写文件的项目，通常更适合放在 WSL 的 Linux 文件系统中。如果只有一个小型 YAML 文件，存放位置对创建操作的影响很小。

如何在 Spyder 中调用 Skani？

在同一个 WSL 终端中激活环境并启动 Spyder：

conda activate proteomics_skani
spyder

Spyder 是图形程序，在 WSL 中显示窗口需要可用的图形支持，例如受支持且已启用的 WSLg。如果出现显示或 Qt 相关错误，需要单独排查图形环境。

在 Spyder 的 Python 控制台中检查解释器：

import sys
import shutil

print(sys.executable)
print(shutil.which("skani"))

sys.executable 应属于 WSL 中的 proteomics_skani 环境，shutil.which("skani") 应返回该环境里的 Linux 可执行文件路径。随后可以测试：

import subprocess

subprocess.run(["skani", "--help"], check=True)

传入参数列表即可，无需使用 shell=True。实际分析时，将 --help 换成所需的 Skani 子命令和参数，并使用 WSL 能访问的文件路径。

如果启动的是 Windows 中的 Spyder，默认解释器和程序搜索路径可能与 WSL 不同。需要确认启动位置和解释器，仅凭环境名称无法判断是否使用了正确的环境。

为什么提示有新版本，却又说已经安装？

这两条消息的含义不同：

  • A newer version of conda exists 表示版本检查发现了更高版本。
  • All requested packages already installed 表示更新求解没有产生需要执行的包变更。

后一条并不表示提示中的 26.3.2 已经安装。日志最后的 conda -V 仍显示 26.1.1，说明当前调用的 Conda 版本没有变化。

更新结果可能受到 base 环境的依赖约束、版本固定配置、渠道及优先级、索引缓存等因素影响。这段输出还不足以确定具体原因。

可以先检查当前安装和配置：

type -a conda
conda info --base
conda list -n base conda
conda config --show-sources
conda config --show channels channel_priority pinned_packages

还应检查 base 环境下是否存在 conda-meta/pinned 文件，其中的约束不一定会显示在 pinned_packages 配置项中。

接着查询指定渠道是否提供日志中提示的版本：

conda search --override-channels -c defaults "conda=26.3.2"

这里的 26.3.2 是日志中提示的目标版本，不代表它始终是最新版本。如果查到了适用于当前平台的包，可以先试算：

conda install -n base --override-channels -c defaults "conda=26.3.2" --dry-run

明确指定版本后，如果依赖无法满足，通常会得到更具体的冲突信息。如果生成了安装计划，应先检查是否有意外降级或大量包变更，再决定是否去掉 --dry-run 执行。

如果怀疑本地索引缓存过期，可以清理索引后重新查询：

conda clean --index-cache

这一步不会删除已有环境，也无法保证解决依赖约束导致的更新停滞。可以先按前面的命令创建 proteomics_skani 环境，无须等待 Conda 升级成功。

备注：内容仅供参考。