Python 的虚拟环境 | AI时代的技术分享

Python 虚拟环境的最佳实践-传统

强烈建议在虚拟环境中安装！ 这是 Python 开发的最佳实践

为什么推荐使用虚拟环境？

1. 依赖隔离

每个项目可以有自己独立的包版本
避免不同项目之间的包版本冲突
例如：项目A需要 Django 3.2，项目B需要 Django 4.1

2. 避免污染系统环境

不会修改系统级别的 Python 包
防止意外破坏系统工具（很多 Linux 系统工具依赖特定版本的 Python 包）

3. 便于项目管理

可以清晰知道每个项目依赖哪些包
方便生成 requirements.txt
便于团队协作和部署

如何创建和使用虚拟环境？

使用内置的 `venv`（推荐）

bash

# 创建虚拟环境
python -m venv myproject_env

# 激活虚拟环境
# Windows:
myproject_env\Scripts\activate
# macOS/Linux:
source myproject_env/bin/activate

# 现在安装包（会安装到虚拟环境中）
pip install 你的包名

# 退出虚拟环境
deactivate

使用 `conda`（如果你用 Anaconda/Miniconda）

bash

# 创建环境
conda create -n myproject python=3.9

# 激活环境
conda activate myproject

# 安装包
pip install 你的包名

# 退出环境
conda deactivate

什么时候可以不用虚拟环境？

临时测试某个包的功能
安装全局工具（如 black, flake8 等代码格式化/检查工具）
确定不会与其他项目产生冲突的简单脚本

Python 虚拟环境本质是一个目录

虚拟环境的位置

stock_env 是在当前目录下创建的一个文件夹，不是全局的。

bash

# 如果你在 /home/user/myproject 目录下执行
python -m venv stock_env

# 那么会创建
/home/user/myproject/stock_env/

这个文件夹包含：

Python 解释器的副本（或符号链接）
独立的 site-packages 目录（存放安装的包）
pip、activate 脚本等工具

不同项目的虚拟环境可以同名吗？

完全可以！ 因为它们是不同路径下的不同文件夹。

bash

# 项目1
/home/user/project_a/stock_env/

# 项目2  
/home/user/project_b/stock_env/

# 这是两个完全独立的虚拟环境，互不影响

实际使用建议

虽然可以同名，但建议使用有意义的名称：

bash

# 更好的命名方式
python -m venv myproject_env          # 通用
python -m venv .venv                  # 隐藏文件夹，很多开发者喜欢
python -m venv venv                   # 简短通用

# 或者直接用项目名
python -m venv trading-bot
python -m venv data-analysis

虚拟环境的管理技巧

1. 通常将虚拟环境放在项目根目录

plaintext

my_project/
├── stock_env/           # 虚拟环境
├── src/
├── requirements.txt
└── README.md

2. 记得添加到 .gitignore

plaintext

# .gitignore
stock_env/
venv/
.env/
__pycache__/

3. 激活时注意路径

bash

# 必须在虚拟环境所在目录或使用完整路径
source ./stock_env/bin/activate    # Linux/macOS
# 或
source /full/path/to/stock_env/bin/activate

虚拟环境激活后无需手动关闭

虚拟环境激活后不需要手动终止。
它只是一个“当前终端用哪个 Python”的开关，不是服务，不占资源。

在 PowerShell（或任何终端）中 激活虚拟环境（例如通过 .\venv\Scripts\Activate.ps1）只是一个临时的 shell 状态变更，它只影响当前终端会话，不会启动后台进程或服务。

✅ 详细说明

1. 激活虚拟环境的本质

运行：

powershell

.\venv\Scripts\Activate.ps1

只是做了两件事：

修改当前终端的 PATH 环境变量，把 venv\Scripts 放到最前面；
修改命令行提示符（如加上 (venv) 前缀）。

它 没有启动任何守护进程，也没有“运行中”的服务需要关闭。

2. 如何“退出”虚拟环境？

方法一（推荐）：在当前终端运行：
powershell
```
deactivate
```
这会恢复原来的 PATH 和提示符。
方法二：直接 关闭终端窗口。
虚拟环境的状态只存在于该终端会话中，窗口一关，一切自动还原。

3. 如果你是在脚本中激活环境（如你的 `register_jupyter_kernel.ps1`）

脚本结束后，激活状态不会保留到父终端（因为 PowerShell 脚本默认在子作用域运行）。
所以你运行完脚本后，看到的终端仍然是未激活状态，这是正常行为，无需处理。

✅ 换句话说：你完全不需要“手动终止”虚拟环境，除非你想在同一个终端里切换回全局 Python。

🚫 常见误解澄清

误解	事实
“激活环境后要手动关闭，否则会占用资源”	❌ 虚拟环境只是路径切换，不消耗额外资源
“不 deactivate 会导致系统变慢”	❌ 完全不会，只影响当前终端的命令解析
“Jupyter 运行时需要保持终端激活”	❌ Jupyter 内核一旦启动，就独立运行，与是否激活无关

✅ 最佳实践建议

如果你在交互式终端中工作，用完虚拟环境后可以运行 deactivate 保持清晰；
如果你在脚本中激活环境（如自动注册内核），无需也不应该在脚本末尾调用 deactivate —— 因为脚本结束后作用域自动消失；
如果你只是临时运行一个命令（如 python train.py），激活后运行完直接关终端即可。

虚拟环境的空间占用问题

实际情况：

虚拟环境确实会在每个项目目录下创建独立的依赖库
但现代 Python 虚拟环境（如 venv、conda）会使用符号链接或硬链接来减少重复文件
相同版本的包在不同虚拟环境中通常不会完全复制，而是共享底层文件

空间占用估算：

一个基础的虚拟环境大约 10-20MB
如果项目依赖大型库（如 numpy、pandas、tensorflow），每个环境可能增加 100MB-1GB+
但如果你有 10 个项目都用相同的依赖，实际占用可能只有 1-2GB，而不是 10GB

硬盘空间分配实用解决方案

创建专门的开发目录（如 D:\PythonProjects）
使用虚拟环境，但集中管理在 D:\venvs
每个项目保持独立，避免依赖冲突
定期清理不用的项目和环境

对C盘清理的建议

你不需要写 Python 程序，直接在 PowerShell 中用一条（或两行）命令就能安全清空 C 盘中的第三方 Python 依赖库。

✅ 推荐方法：使用 PowerShell 一行命令卸载所有第三方包

powershell

pip freeze | ForEach-Object { $pkg = $_.Split('==')[0]; if ($pkg -notin @('pip', 'setuptools', 'wheel', 'pkg-resources', '')) { pip uninstall -y $pkg } }

💡 复制粘贴这一整行到 PowerShell 中运行即可。

🔍 这条命令做了什么？

pip freeze：列出所有已安装的包（格式如 numpy==1.24.0）
ForEach-Object：遍历每一行
Split('==')[0]：提取包名（如 numpy）
排除核心工具包：pip、setuptools、wheel、pkg-resources
对其余所有包执行 pip uninstall -y（-y 表示自动确认）

🛡️ 安全建议（强烈推荐先做）

1. 先备份包列表（以防万一）

powershell

pip freeze > D:\python_global_packages_backup.txt

这样万一误删了某个你其实需要的全局工具（比如 black、jupyter），还能恢复。

2. 先预览要删除哪些包

运行这个命令看看会删什么：

powershell

pip freeze | ForEach-Object { $pkg = $_.Split('==')[0]; if ($pkg -notin @('pip', 'setuptools', 'wheel', 'pkg-resources', '')) { Write-Host "Will uninstall: $pkg" } }

🧹 额外清理（可选）

清空 pip 缓存，进一步释放 C 盘空间：

powershell

pip cache purge

❌ 不要做的事

不要手动删除 site-packages 文件夹里的内容 → 可能导致 pip 状态不一致
不要卸载 pip、setuptools、wheel → 虚拟环境创建会依赖它们

✅ 验证是否清理干净

清理后运行：

powershell

pip list

正常输出应该只有：

Package    Version
---------- -------
pip        23.x.x
setuptools 65.x.x
wheel      0.x.x

如果有其他包，说明它们可能是通过 --user 安装的，你可以额外清理用户目录的包：

powershell

# 清理用户级安装的包（如果存在）
pip uninstall -y --user (pip list --user | Select-String -Pattern '^[^P]' | ForEach-Object { ($_ -split ' ')[0] })

不过大多数情况下，第一条命令已经足够。

总结

用 PowerShell 一行命令即可完成
无需写 Python 脚本
先备份，再执行，很安全

现在你就可以放心清理 C 盘的 Python 第三方库了！

虚拟环境的懒人版

我有很多个 python 的小项目，每个项目都在不同目录下，代码结构都比较简单。如果每个项目都遵循创建自己的虚拟环境，就会非常繁琐。我希望不用虚拟环境，直接用公共的配置环境。但以后如果有新的复杂项目，再在其中使用虚拟环境。

✅ 为什么可行？

小项目依赖简单、冲突少
如果你的小项目只用到一些通用、稳定的库（如 requests, pandas, numpy 等），且版本要求不苛刻，共用一个全局环境通常不会出问题。
开发效率优先
对于快速验证想法、写小工具来说，省去创建/激活虚拟环境的步骤能显著提升效率——这符合你“成本效益高”的偏好。
复杂项目仍可隔离
你计划在需要时（如大型项目、多版本依赖、团队协作）再启用虚拟环境，这是最佳实践的灵活应用，完全合理。

⚠️ 潜在风险与应对建议

风险	说明	建议
依赖冲突	某天两个小项目需要同一库的不同版本	记录每个项目的核心依赖（哪怕简单写个 `requirements.txt`），未来冲突时可快速重建虚拟环境
环境“污染”	安装太多无用包，难以管理	定期用 `pip list` 查看，或用 `pip-autoremove`（需安装）清理无依赖的包
硬盘空间	所有库装在一起，占用空间增长	Python 包通常不大（除非含二进制如 `torch`, `tensorflow`），但若真空间紧张： • 用 `pip cache purge` 清理 pip 缓存 • 删除不用的包 • 必要时迁移到虚拟环境再卸载全局包

💡 实用建议

保持全局环境“干净”
只安装高频通用库（如 requests, click, pyyaml），避免为一次性项目装重型库。
记录依赖
即使不用虚拟环境，也建议每个项目根目录放一个 requirements.txt（哪怕只有几行），例如：
txt
```
requests>=2.25.0
pandas
```
这样未来迁移或重装系统时非常方便。
监控空间使用
Python 第三方库一般安装在：
- Linux/macOS: ~/.local/lib/python3.x/site-packages/ 或系统路径
- Windows: %LOCALAPPDATA%\Programs\Python\Python3x\Lib\site-packages\
你可以定期检查该目录大小。普通库几十 MB，即使上百个也通常不到 10GB。
未来迁移容易
如果某小项目变复杂了，你可以：
bash
```
python -m venv venv
source venv/bin/activate  # Linux/macOS
pip install -r requirements.txt
```
然后从全局环境中卸载相关包（如果确定其他项目不用）。

✅ 总结

现在这样做没问题：小项目共用全局环境 + 复杂项目用虚拟环境，是合理且高效的做法。
空间问题不必过度担心：除非你大量安装 AI/科学计算类重型库，否则普通库占用有限。
保持简单记录：用 requirements.txt 留痕，未来可进可退。

2025-10-25 解决方案

目标是在有限硬盘空间下高效管理多个依赖大型库（如 LangChain、PyTorch 等）的 Python 项目。结合目录结构和需求，推荐采用“共享大库 + 轻量项目虚拟环境”方案，具体操作如下：

最终目标结构

plaintext

D:\2024-code\lesson2025\
├── shared-libs\                 ← 共享的大型依赖库（如 langchain, torch, openai）
├── 14-16-LangChain-01\
│   └── .venv\                   ← 仅包含小依赖的轻量虚拟环境
└── 17-Case-SQL-LangChain\
    └── .venv\                   ← 仅包含小依赖的轻量虚拟环境

实施步骤（Windows 环境）

第 1 步：创建共享库环境

powershell

# 进入你的项目根目录
cd D:\2024-code\lesson2025

# 创建共享库目录（作为虚拟环境）
python -m venv shared-libs

# 激活共享环境并安装大型依赖
shared-libs\Scripts\activate
pip install jupyterlab langchain dashscope  # 根据实际需求添加
deactivate

💡 提示：用 pip freeze > shared-libs/requirements.txt 保存共享依赖清单 (每次安装新的依赖库的时候重新执行此命令)

第 2 步：为每个项目创建轻量虚拟环境

powershell

# 处理第一个项目
cd 1416-LangChain-01 # 进入项目目录 1416-LangChain-01
python -m venv .venv # 创建虚拟环境
.venv\Scripts\activate  # 激活虚拟环境
python -m pip install --upgrade pip # 推荐这么做，升级一下
python -m pip install ipykernel  # 只安装项目特有小依赖（不要装 langchain 等大库！）
python -m ipykernel install --user --name=1416-LangChain-01 --display-name="1416-LangChain-01"
# name 是文件系统路径，电脑上全局唯一；display-name 是 Jupyter 中显示的名称，可自定义
# 执行命令后，ipykernel 会：
# 1. 在当前用户的 Jupyter 全局配置目录（即 %APPDATA%\jupyter\kernels\）下，
# 2. 创建一个以 --name 命名的子目录（如 1416-langchain-01），
# 3. 并在里面生成 kernel.json 文件。
# 无论 JupyterLab 装在系统、共享库、还是某个虚拟环境，所有通过 --user 注册的 kernel 都会放在这里。
deactivate # 退出虚拟环境

# 处理第二个项目，做法完全类似
cd ..\17-Case-SQL-LangChain
python -m venv .venv
.venv\Scripts\activate
python -m pip install --upgrade pip # 推荐这么做，升级一下
python -m pip install ipykernel  # 只安装项目特有小依赖
python -m ipykernel install --user --name=17-Case-SQL-LangChain --display-name="17-Case-SQL-LangChain"
deactivate

第 3 步：让项目环境能访问共享库

在每个项目的虚拟环境中创建 .pth 文件（自动继承共享库路径）：

powershell

# 为第一个项目添加共享路径
echo D:\2024-code\lesson2025\shared-libs\Lib\site-packages > 1416-LangChain-01\.venv\Lib\site-packages\shared.pth
# 通过这一句命令，将共享库路径添加到项目的 .pth 文件中，即完成创建+填充内容
# 注意，内容里的路径必须是绝对路径
# 实际有可能会碰到 【UnicodeDecodeError: 'gbk' codec can't decode byte 0xff in position 0: illegal multibyte sequence】
# 这是由于【某个 .pth 文件包含非法字节（很可能是 BOM 头 0xff 0xfe 或 0xff），导致 Python 在启动时无法正确解码它。】
# 解决办法：其实是windows写入该文件时错误。本质是不要用记事本打开 .pth 文件，而是用专业文本编辑器（如 VS Code）打开
# 偷懒的办法：将其他格式完好的 shared.pth 拷贝到目标目录即可

# 为第二个项目添加共享路径
echo D:\2024-code\lesson2025\shared-libs\Lib\site-packages > 17-Case-SQL-LangChain\.venv\Lib\site-packages\shared.pth

✅ 验证：激活任一项目环境后，执行 python -c "import langchain; print(langchain.__file__)" 应显示共享库路径

第 4 步：启动 JupyterLab（从共享环境）

powershell

cd D:\2024-code\lesson2025
shared-libs\Scripts\activate
jupyter lab
# jupyterlab 是一个 Jupyter 的前端插件，真正的命令行入口是 jupyter
# jupyter lab        # ✅ 标准用法
# jupyter notebook   # ✅ 也是 jupyter 的子命令

打开浏览器后，新建 Notebook 时，你就能在 “Kernel” → “Change kernel” 中看到： 1416-LangChain-01 17-Case-SQL-LangChain 每个 kernel 会使用对应项目的 .venv 中的依赖（包括共享大库 + 项目小依赖）。

⚠️ 关键注意事项（Windows 特别版）

路径格式
.pth 文件必须使用 正斜杠 / 或双反斜杠 \\，但 PowerShell 的 echo 会自动处理为单反斜杠（Windows 兼容），所以直接使用上述命令即可。
Python 版本一致性
确保所有环境（shared-libs 和项目 .venv）使用完全相同的 Python 主版本（如都是 3.13.5）。建议：
powershell
```
# 在项目根目录统一指定 Python 解释器
py -3.13 -m venv shared-libs
py -3.13 -m venv .venv  # 在每个项目中执行
```
避免重复安装大库
在项目虚拟环境中绝对不要执行 pip install langchain 等命令，否则会覆盖共享库！

更新共享库
当需要升级 langchain 等库时：

powershell

shared-libs\Scripts\activate
pip install --upgrade langchain
deactivate
# 所有项目自动生效

📁 项目使用流程

进入项目目录：cd D:\2024-code\lesson2025\14-16-LangChain-01
激活环境：.venv\Scripts\activate
直接运行代码（自动访问共享库 + 项目专属小依赖）
退出：deactivate

本质理解

✅ 每个子项目只需安装 ipykernel 并注册自己的 kernel；
JupyterLab 本身只在共享库环境中安装一次；
启动 JupyterLab 时使用共享库环境，但 Notebook 可以选择任意子项目的 kernel 运行。

🧠 为什么这样设计是优雅的？

角色	职责	安装位置
JupyterLab	提供 Web UI、文件浏览器、终端等	`shared-libs`（一次安装，全局使用）
ipykernel	让某个 Python 环境能被 Jupyter 调用	每个项目的 `.venv`（轻量，<10 MB）
项目依赖	业务代码所需的库（如 langchain, torch）	共享大库 + 项目小依赖（通过 `.pth` 复用）

这样：

不重复安装大库 → 节省硬盘
每个 Notebook 运行在正确的项目环境中 → 隔离安全
统一入口（一个 JupyterLab） → 使用方便

🔁 工作流程回顾（日常使用）

开发前（只需做一次/项目）：

powershell

# 在项目目录中
.venv\Scripts\activate
pip install ipykernel
python -m ipykernel install --user --name=my-project --display-name="My Project"
deactivate

每天启动开发：
powershell
```
cd D:\2024-code\lesson2025
shared-libs\Scripts\activate
jupyter lab
```
→ 浏览器打开后，新建 Notebook 时选择对应项目的 kernel。
运行代码时：
- Notebook 使用的是所选 kernel 对应的 .venv 环境
- 自动能访问：项目小依赖 + 共享大库（因为 .pth 已配置）

💡 额外好处

切换环境无需重启 JupyterLab：直接在 Notebook 菜单里换 kernel。
便于调试多个项目：一个窗口里可以同时打开 LangChain 和 SQL 项目的 Notebook。
导出/分享 Notebook 时：只需说明“使用 langchain-01 kernel”，别人按同样方式注册即可复现。

⚠️ 最后一个小提醒

确保你在注册 kernel 时，当前激活的是该项目的 .venv，否则 kernel 会指向错误的 Python 环境。

你可以验证 kernel 是否正确：

powershell

jupyter kernelspec list

输出应类似：

Available kernels:
  langchain-01      C:\Users\...\AppData\Roaming\jupyter\kernels\langchain-01
  sql-langchain     C:\Users\...\AppData\Roaming\jupyter\kernels\sql-langchain

进入对应目录，查看 kernel.json，里面的 argv 应指向你项目 .venv 中的 python.exe。

删除 jupyter kernel

powershell

# 列出 kernel 清单
PS D:\2024-code\lesson2025>jupyter kernelspec list
Available kernels:
  1416-langchain-01    C:\Users\John\AppData\Roaming\jupyter\kernels\1416-langchain-01
  case-langchain-01    C:\Users\John\AppData\Roaming\jupyter\kernels\case-langchain-01
  case-langchain__     C:\Users\John\AppData\Roaming\jupyter\kernels\case-langchain__
  langchain-01         C:\Users\John\AppData\Roaming\jupyter\kernels\langchain-01
  python3              C:\Users\John\.pyenv\pyenv-win\versions\3.13.5\share\jupyter\kernels\python3

# 删除一个 kernel
PS D:\2024-code\lesson2025> jupyter kernelspec remove case-langchain-01
Kernel specs to remove:
  case-langchain-01     C:\Users\John\AppData\Roaming\jupyter\kernels\case-langchain-01
Remove 1 kernel specs [y/N]: y
Removed C:\Users\John\AppData\Roaming\jupyter\kernels\case-langchain-01

# 列出 kernel 清单，验证删除是否成功
PS D:\2024-code\lesson2025> jupyter kernelspec list
Available kernels:
  1416-langchain-01    C:\Users\John\AppData\Roaming\jupyter\kernels\1416-langchain-01
  case-langchain__     C:\Users\John\AppData\Roaming\jupyter\kernels\case-langchain__
  langchain-01         C:\Users\John\AppData\Roaming\jupyter\kernels\langchain-01
  python3              C:\Users\John\.pyenv\pyenv-win\versions\3.13.5\share\jupyter\kernels\python3

Python 虚拟环境的最佳实践-传统 ​

为什么推荐使用虚拟环境？ ​

1. 依赖隔离 ​

2. 避免污染系统环境 ​

3. 便于项目管理 ​

如何创建和使用虚拟环境？ ​

使用内置的 venv（推荐） ​

使用 conda（如果你用 Anaconda/Miniconda） ​

什么时候可以不用虚拟环境？ ​

Python 虚拟环境本质是一个目录 ​

虚拟环境的位置 ​

不同项目的虚拟环境可以同名吗？ ​

实际使用建议 ​

虚拟环境的管理技巧 ​

1. 通常将虚拟环境放在项目根目录 ​

2. 记得添加到 .gitignore ​

3. 激活时注意路径 ​

虚拟环境激活后无需手动关闭 ​

✅ 详细说明 ​

1. 激活虚拟环境的本质 ​

2. 如何“退出”虚拟环境？ ​

3. 如果你是在脚本中激活环境（如你的 register_jupyter_kernel.ps1） ​

🚫 常见误解澄清 ​

✅ 最佳实践建议 ​

虚拟环境的空间占用问题 ​

硬盘空间分配实用解决方案 ​

对C盘清理的建议 ​

✅ 推荐方法：使用 PowerShell 一行命令卸载所有第三方包 ​

🔍 这条命令做了什么？ ​

🛡️ 安全建议（强烈推荐先做） ​

1. 先备份包列表（以防万一） ​

2. 先预览要删除哪些包 ​

🧹 额外清理（可选） ​

❌ 不要做的事 ​

✅ 验证是否清理干净 ​

总结 ​

虚拟环境的懒人版 ​

✅ 为什么可行？ ​

⚠️ 潜在风险与应对建议 ​

💡 实用建议 ​

✅ 总结 ​

2025-10-25 解决方案 ​

最终目标结构 ​

实施步骤（Windows 环境） ​

第 1 步：创建共享库环境 ​

第 2 步：为每个项目创建轻量虚拟环境 ​

第 3 步：让项目环境能访问共享库 ​

第 4 步：启动 JupyterLab（从共享环境） ​

⚠️ 关键注意事项（Windows 特别版） ​

📁 项目使用流程 ​

本质理解 ​

🧠 为什么这样设计是优雅的？ ​

🔁 工作流程回顾（日常使用） ​

💡 额外好处 ​

⚠️ 最后一个小提醒 ​

删除 jupyter kernel ​

Python 虚拟环境的最佳实践-传统

为什么推荐使用虚拟环境？

1. 依赖隔离

2. 避免污染系统环境

3. 便于项目管理

如何创建和使用虚拟环境？

使用内置的 `venv`（推荐）

使用 `conda`（如果你用 Anaconda/Miniconda）

什么时候可以不用虚拟环境？

Python 虚拟环境本质是一个目录

虚拟环境的位置

不同项目的虚拟环境可以同名吗？

实际使用建议

虚拟环境的管理技巧

1. 通常将虚拟环境放在项目根目录

2. 记得添加到 .gitignore

3. 激活时注意路径

虚拟环境激活后无需手动关闭

✅ 详细说明

1. 激活虚拟环境的本质

2. 如何“退出”虚拟环境？

3. 如果你是在脚本中激活环境（如你的 `register_jupyter_kernel.ps1`）

🚫 常见误解澄清

✅ 最佳实践建议

虚拟环境的空间占用问题

硬盘空间分配实用解决方案

对C盘清理的建议

✅ 推荐方法：使用 PowerShell 一行命令卸载所有第三方包

🔍 这条命令做了什么？

🛡️ 安全建议（强烈推荐先做）

1. 先备份包列表（以防万一）

2. 先预览要删除哪些包

🧹 额外清理（可选）

❌ 不要做的事

✅ 验证是否清理干净

总结

虚拟环境的懒人版

✅ 为什么可行？

⚠️ 潜在风险与应对建议

💡 实用建议

✅ 总结

2025-10-25 解决方案

最终目标结构

实施步骤（Windows 环境）

第 1 步：创建共享库环境

第 2 步：为每个项目创建轻量虚拟环境

第 3 步：让项目环境能访问共享库

第 4 步：启动 JupyterLab（从共享环境）

⚠️ 关键注意事项（Windows 特别版）

📁 项目使用流程

本质理解

🧠 为什么这样设计是优雅的？

🔁 工作流程回顾（日常使用）

💡 额外好处

⚠️ 最后一个小提醒

删除 jupyter kernel