- name
- auto-conda-python-env
- description
- 自动为Python项目创建或复用匹配的Conda环境，扫描项目依赖文件自动配置运行环境。Auto-create or reuse a Conda env for any Python project — scans deps, matches envs, handles CUDA/GPU needs.
- triggers
- 创建conda环境, 配置python环境, 新建虚拟环境, 初始化项目环境, python环境配置, create conda env, setup python env, new virtual environment, project environment
- version
- 1.1.0
- metadata
- openclaw
- emoji
- 🐍
- requires
- bins
- ["python3", "pip"]
Auto Conda Env for Python Project / 自动为Python项目配置Conda环境
触发条件 / When to Use
当用户需要为Python项目配置独立运行环境、自动创建Conda环境，或希望复用已有的匹配环境时，使用本技能。 Use when: setting up an isolated Python env, creating a new Conda env, or reusing an existing one for a project.
执行步骤 / Execution Steps
1. 获取项目路径 / Get Project Path
- 询问用户提供Python项目文件夹路径，若未指定则默认使用当前工作目录。
Ask for the project folder path; default to current working directory if not provided.
- 验证路径是否存在且为有效文件夹。
Verify the path exists and is a valid directory.
2. 扫描项目依赖文件 / Scan Dependency Files
进入项目文件夹，按以下优先级扫描：Scan in this order:
| 优先级 / Priority | 文件 / File | 提取内容 / What to Extract |
|---|---|---|
| 1 | environment.yml / environment.yaml | Python版本 + 所有依赖 / Python version + all deps |
| 2 | pyproject.toml | project.requires-python + project.dependencies |
| 3 | requirements.txt | 依赖包列表（检查 .python-version 获取版本） |
| 4 | setup.py | python_requires + install_requires |
| 5 | Pipfile | [packages] 节 |
| 6 | setup.cfg | install_requires |
- 若未找到任何依赖配置文件，默认使用 Python 3.10，无额外依赖。
Default to Python 3.10 with no extra packages if nothing found.
3. 查找 conda 可执行文件 / Find Conda Executable
conda 可能不在 PATH 中，按以下顺序尝试：Try these paths if conda is not in PATH:
which conda
~/.local/bin/conda # pip-installed conda
~/miniconda3/bin/conda # standard Miniconda
~/anaconda3/bin/conda # standard Anaconda
$HOME/miniconda3/bin/conda
$HOME/anaconda3/bin/conda保存找到的 conda 路径为 CONDA，后续所有 conda 命令用 CONDA 前缀执行。 Save the working conda path as CONDA; prefix all conda commands with it.
4. 检查现有Conda环境 / Check Existing Environments
- 执行
CONDA info --envs获取环境列表。 - 对每个环境验证：
1. CONDA run -n <env> which python — 确认 python 存在（避免 ghost env） 2. CONDA run -n <env> python --version — 验证 Python 版本 3. CONDA run -n <env> pip list — 验证依赖已安装
⚠️ 部分 conda 环境 python 不在 PATH（如损坏/空环境），conda run会失败，此时跳过该环境。 Some envs failconda run— skip them.
若找到完全匹配的环境 → 复用。 若未找到 → 进入步骤 5 创建。
5. 复用或创建环境 / Reuse or Create
复用 / Reuse：
- 确认环境 python 可执行且版本匹配
- 验证核心依赖已安装
- 配置 OpenClaw 后续操作使用此环境
创建新环境 / Create New：
- 生成环境名：
项目文件夹名→ 小写 → 特殊字符替换为_→ 追加_env
例 / e.g.：MyProject-2.0 → myproject_2_0_env
- 创建环境：
CONDA create -n <env_name> python=<version> -y- 安装依赖 / Install Dependencies：
| 依赖文件 / File | 安装命令 / Command |
|---|---|
environment.yml | CONDA env update -n <env> -f environment.yml --prune |
pyproject.toml | CONDA run -n <env> pip install . |
requirements.txt | CONDA run -n <env> pip install -r requirements.txt |
setup.py | CONDA run -n <env> pip install . |
Pipfile | CONDA run -n <env> pip install pipenv && CONDA run -n <env> pipenv sync |
| 无配置文件 / None | 仅创建空环境 / create empty env only |
> 💡 pip 安装失败时（如系统保护 PEP 668），追加 --break-system-packages 参数重试。 > If pip refuses due to PEP 668, add --break-system-packages.
- GPU / CUDA 处理（如需要）/ Handle GPU / CUDA if needed：
- 检查项目是否 import torch / tensorflow 等 - 若需要 GPU：CONDA run -n <env> pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118 - 验证：CONDA run -n <env> python -c "import torch; print(torch.cuda.is_available())"
- 验证环境可用 / Verify Env Works：
CONDA run -n <env> python -c "import numpy, scipy, sklearn; print('OK')"若失败，记录缺失的包并重新安装。
6. 输出结果 / Output Summary
最终告知用户：
环境名称 / Env name: <name>
Python 版本 / Python: <version>
已安装依赖 / Installed: <list>
环境路径 / Path: /path/to/env
激活命令 / Activate: conda activate <name>注意事项 / Notes
conda不在 PATH 是常见问题，优先搜索常见安装路径
Missing conda in PATH is common; search standard install locations first
- ghost 环境（python 不存在）用
conda run ... which python排除
Use which python via conda run to detect ghost/broken envs
- pip 安装失败先尝试加
--break-system-packages
Try --break-system-packages when pip is blocked by OS package protection
- GPU 项目安装 torch 后务必验证 CUDA 可用
Always verify CUDA availability after installing torch
- 不修改用户现有 conda 安装，只读和复用/创建新环境
Read-only on existing installs; only create/reuse envs, don't modify base
适用场景 / Use Cases
- 新项目初始化 / New project setup
- 不同项目需要不同 Python 版本 / Projects needing different Python versions
- 有 CUDA 依赖的 ML/DL 项目 / ML/DL projects with CUDA dependencies
- 依赖冲突隔离 / Isolating dependency conflicts
- 团队环境标准化 / Team environment standardization