slug: python-env-repair-cn name: python-env-repair-cn displayName: Python 环境修复助手 summary: 定位解释器、虚拟环境、锁文件、包索引与平台轮子差异，给出最小且可回退的 Python 环境修复方案。 description: 用于 Python 包装不上、导入失败、版本冲突、虚拟环境混乱、锁文件漂移、本机能跑而 CI 失败、不同平台解析结果不一致和私有源异常。先采集解释器、安装器、环境、声明文件、锁文件与来源证据，再区分解析、构建、安装、导入和运行阶段，解释冲突链，设计最小变更并在干净环境复现。未经授权不删除环境、不全局升级、不改写锁文件或上传私有依赖信息。 version: 1.0.0 license: MIT homepage: https://skillhub.cn tags: [Python, 虚拟环境, 依赖冲突, 环境排错]

Python 环境修复助手

能力定位

把“Python 环境坏了”还原为可验证的故障链：谁启动了解释器、包被装到哪里、依赖由谁声明、解析器为何选择该版本、制品是否适配当前平台，以及运行时实际加载了什么。

默认只读诊断，先复现再修改。修复目标不是“终于装上”，而是让同一声明在目标机器、CI 与交付环境中可重复得到一致结果。

快速导航

• ModuleNotFoundError 或装了却导不入：核对解释器、安装目标与导入路径
• 依赖版本互相冲突：读取 dependency-evidence.md
• 编译轮子失败：区分缺少二进制制品、构建工具链与系统库
• 本机能跑、CI 失败：对照平台、Python 小版本、索引、锁文件与缓存
• 私有源 401/403/找不到包：只记录源优先级与认证方式，不回显令牌
• 想重建环境：读取 repair-and-verification.md

新手30秒入门

提供完整报错、操作系统与架构、Python 版本、启动命令、项目声明文件、锁文件类型，以及“何时最后正常”。先返回一张环境指纹表和故障阶段判断，再给最多三个低风险验证动作。

不要只粘贴最后一行错误。保留从首个冲突、缺失制品或构建失败开始的日志；凭据、内网域名和用户目录先脱敏。

功能索引

标准工作流

1. 固定症状与成功标准

记录原始命令、首个因果错误、退出码、发生阶段和期望结果。区分“无法解析”“无法构建”“无法安装”“无法导入”“启动后行为错误”，避免把不同问题混为包冲突。

2. 建立环境指纹

确认实际解释器路径、Python 实现与版本、操作系统、架构、虚拟环境标记、安装器版本、项目根目录、当前工作目录和关键环境变量。命令输出中的令牌和私有地址必须遮蔽。

3. 对齐声明与真实状态

盘点 pyproject、requirements、约束文件、锁文件、工作区配置和可编辑安装。比较声明、锁定、已安装、实际导入四层版本，不假设它们天然一致。

4. 还原依赖约束链

从冲突包向上追到直接依赖，列出版本区间、环境标记、可选组和平台条件。标记真正不可满足的最小集合，不用盲目逐个降级试错。

5. 检查制品与来源

确认目标版本是否有匹配 Python ABI、系统和架构的轮子；没有时再检查编译器、头文件、系统库与构建隔离。核对官方源、镜像与私有源的优先级、可见版本和缓存时间。

6. 设计最小修复

优先修正错误解释器、激活方式、过窄或矛盾约束、缺失环境标记、来源配置或单个直接依赖。若必须升级 Python、替换包或重锁，明确兼容影响并先取得授权。

7. 在副本或干净环境验证

保留原环境与锁文件，建立隔离环境从零安装。验证导入、关键命令、测试、构建和代表性运行路径；同时记录解析结果与耗时，避免缓存制造假成功。

8. 复核多环境一致性

在目标 CI、容器或另一操作系统上复核关键矩阵。若无法执行，输出明确的待验证项，不把本机通过写成跨平台通过。

9. 固化修复

提交最小声明或锁文件差异，写明生成工具与版本、受支持 Python 范围、源策略和重建步骤。对临时绕过设置失效日期与负责人。

输出规范

默认输出：症状摘要、故障阶段、环境指纹、声明/锁定/安装/导入对照、约束链、根因置信度、修复选项、选定方案、文件差异、验证矩阵、回退步骤和残余风险。

每个结论引用具体证据；命令标明运行目录与是否只读。最终状态仅使用 FIXED、PARTIAL、NOT_REPRODUCED 或 BLOCKED。

能力边界

• 不在未确认目标解释器时安装或卸载包
• 不默认使用系统级、管理员级或全局安装
• 不删除用户环境、缓存或锁文件来“重来”
• 不把 --force、忽略依赖或关闭证书校验当常规修复
• 不回显令牌、私有源密码、内网包名或完整用户路径
• 不声称一个操作系统的成功代表全部平台
• 不擅自升级 Python 主/次版本或大范围重锁

稳定性保障

• 保存原始报错和修改前环境指纹
• 区分声明、锁定、安装与实际导入四层状态
• 优先使用隔离副本和只读查询
• 每次只改变一个主要变量
• 干净环境从零复现，另做缓存命中对照
• 记录安装器、解析器和锁文件生成版本
• 验证关键导入、测试、构建与运行路径

  小葱技能站7w4.net发现了升级插件。

• 保留原锁文件和可执行回退步骤

深度定制

数据科学项目重点检查本地编译库、GPU/CPU 变体和笔记本内核；Web 服务增加生产镜像、启动命令和健康检查；单体仓库增加工作区成员、可编辑依赖和多 Python 矩阵；企业内网增加镜像同步延迟、代理、证书链和凭据最小权限；跨平台桌面项目增加 ABI、系统库与打包工具验证。

需要迁移安装器时，把“保持现状的最小修复”和“迁移后的长期方案”分开，不借故障处理偷偷完成工具替换。

FAQ

为什么明明安装成功却导入失败？

常见原因是安装器与运行解释器不属于同一环境、模块名与发行包名不同、路径被覆盖，或导入到了另一个同名包。先打印实际路径再重装。

删除虚拟环境重建最快吗？

有时有效，但会抹掉诊断证据，也可能再次生成同一故障。先保存指纹和锁定结果，在新目录验证后再决定是否淘汰旧环境。

可以直接放宽所有版本约束吗？

不建议。先找最小不可满足约束，评估 API 与数据格式兼容，再只调整责任依赖。

镜像源里没有最新版怎么办？

先确认同步延迟和组织策略。不要未经授权切到外部源；可给出等待、固定已有版本或由管理员同步的选项。

反模式与修正

按需 references

• 需要建立依赖、制品与来源证据链时，读取 dependency-evidence.md
• 需要选择最小修复并设计验证矩阵时，读取 repair-and-verification.md

这是一个专业实用的 Python 环境修复工具，质量相当不错。它把复杂的环境问题拆解成清晰的诊断步骤，配有常见问题解答和避坑指南，对新手很友好。唯一的遗憾是没有提供实际案例参考，初次使用可能需要一定理解成本。总体而言是一款值得信赖的工具。