news 2026/1/9 9:29:17

在 WSL 中通过 VSCode/Cursor+Cond 虚拟环境运行 Python 代码 全教程

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
在 WSL 中通过 VSCode/Cursor+Cond 虚拟环境运行 Python 代码 全教程

在 WSL 中通过 VSCode/Cursor+Cond 虚拟环境运行 Python 代码 全教程

本文基于你已安装 WSL的前提,重点讲解「WSL 中安装 Miniconda→创建 Python 虚拟环境→VSCode/Cursor 连接 WSL 并使用 conda 环境运行代码」的完整流程,步骤精准可落地。

一、核心前提

  • 已启用 WSL2(Ubuntu/Debian 等发行版),且能正常启动终端;
  • Windows 端已安装 VSCode/Cursor(建议最新版本);
  • 网络通畅(需下载 Miniconda 和 Python 包)。

二、步骤 1:在 WSL 中安装 Miniconda

WSL 默认无 conda 环境,需先安装轻量版 Miniconda(替代 Anaconda,节省空间)。

1. 打开 WSL 终端

  • 按下Win + R,输入wsl回车,或直接打开 Ubuntu 终端;
  • 确保当前为普通用户(避免全程 root 操作)。

2. 下载 Miniconda 安装包

执行以下命令下载适配 Linux(x86_64)的 Miniconda3 安装包(2024 版):

bash

运行

# 下载Miniconda安装脚本(国内镜像加速,推荐) wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-latest-Linux-x86_64.sh -O miniconda.sh # 若wget未安装,先执行:sudo apt install -y wget

3. 执行安装脚本

bash

运行

# 运行安装脚本(bash而非sh,避免兼容性问题) bash miniconda.sh

4. 安装交互步骤(关键)

  1. Enter阅读许可协议,连续按Space跳过,最后输入yes同意;
  2. 选择安装路径(默认/home/你的用户名/miniconda3,直接按Enter即可,无需修改);
  3. 关键:安装完成后,会提示Do you wish to initialize Miniconda3 by running conda init?,输入yes(自动配置环境变量,避免后续 conda 命令找不到);
  4. 安装完成后,删除安装脚本(可选):rm miniconda.sh

5. 验证 Miniconda 安装

  • 关闭当前 WSL 终端,重新打开(让环境变量生效);
  • 执行以下命令,若输出 conda 版本号则安装成功:

    bash

    运行

    conda --version # 示例输出:conda 24.5.0
  • 首次启动终端会显示(base)前缀,说明默认激活了 base 环境(后续可关闭,见下方优化)。

6. (可选)优化 conda 默认行为

默认每次打开终端都会激活 base 环境,可关闭:

bash

运行

conda config --set auto_activate_base false

关闭后,重新打开终端,(base)前缀消失,需手动激活环境。

三、步骤 2:在 WSL 中创建 conda Python 虚拟环境

1. (可选)配置 conda 国内镜像(加速下载)

避免下载 Python 包时速度慢,配置清华镜像:

bash

运行

# 创建conda配置文件 mkdir -p ~/.condarc # 写入镜像配置(覆盖原有内容) cat > ~/.condarc << EOF channels: - defaults show_channel_urls: true default_channels: - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2 custom_channels: conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud EOF # 清除缓存 conda clean -i

2. 创建 conda 虚拟环境

bash

运行

# 创建名为python_wsl_env的环境,指定Python版本(推荐3.10/3.11) conda create -n python_wsl_env python=3.10 -y # 参数说明: # -n:环境名称(自定义,如py310、my_project) # python=3.10:指定Python版本 # -y:自动确认所有安装选项,无需手动输入yes

3. 管理 conda 虚拟环境(常用命令)

操作命令
激活环境conda activate python_wsl_env
退出环境conda deactivate
查看所有环境conda info --envsconda env list
删除环境(谨慎)conda remove -n python_wsl_env --all -y
安装包(激活后)conda install numpy pandas -y
用 pip 安装包(激活后)pip install requests

4. 验证虚拟环境

激活环境后,执行以下命令,确认 Python 路径指向 conda 环境:

bash

运行

conda activate python_wsl_env # 查看Python路径 which python # 示例输出:/home/你的用户名/miniconda3/envs/python_wsl_env/bin/python # 查看Python版本 python --version # 示例输出:Python 3.10.14

四、方案 1:VSCode 连接 WSL+conda 环境运行 Python

1. 安装 VSCode 必备插件

打开 Windows 端 VSCode,在左侧「扩展商店」(Ctrl+Shift+X)安装:

  • Remote - WSL(微软官方):核心插件,用于连接 WSL;
  • Python(微软官方):支持 conda 环境识别、代码运行 / 调试;
  • Pylance(自动随 Python 插件安装):增强 Python 语法提示。

2. 连接 VSCode 到 WSL

方式 1:命令面板连接
  • 按下Ctrl+Shift+P打开命令面板;
  • 输入「WSL: Connect to WSL」,选择你的 WSL 发行版(如 Ubuntu-22.04);
  • 等待连接完成,VSCode 左下角会显示「WSL: Ubuntu-22.04」,表示已进入 WSL 环境。
方式 2:WSL 终端启动 VSCode
  • 打开 WSL 终端,激活 conda 环境(可选),进入项目目录:

    bash

    运行

    cd ~ # 进入用户主目录,或自定义项目目录如mkdir -p ~/python_project && cd ~/python_project code . # 在当前目录启动VSCode(自动连接WSL)

3. 打开 WSL 项目目录

  • 点击 VSCode 左侧「资源管理器」(Ctrl+Shift+E)→「打开文件夹」;
  • 选择 WSL 中的目录(如~/python_project),点击「确定」;
  • 若提示「信任此文件夹」,选择「是」(否则无法正常运行代码)。

4. 选择 conda 虚拟环境作为解释器

  • 按下Ctrl+Shift+P,输入「Python: Select Interpreter」;
  • 在弹出的列表中,找到并选择你的 conda 环境:✅ 正确路径示例:~/miniconda3/envs/python_wsl_env/bin/python❌ 避免选系统 Python(/usr/bin/python3)或 base 环境;
  • 选择后,VSCode 右下角会显示「Python 3.10.14 ('python_wsl_env': conda)」,表示配置成功。

5. 运行 / 调试 Python 代码

步骤 1:新建测试文件

在 VSCode 中右键项目目录→「新建文件」,命名为test_conda.py,输入代码:

python

运行

import sys import numpy # 若已安装numpy,可验证包是否可用 print("Python解释器路径:", sys.executable) print("Python版本:", sys.version) print("numpy版本:", numpy.__version__) # 未安装则注释此行 print("Hello from WSL conda env!")
步骤 2:运行代码(3 种方式)
  1. 右上角运行按钮:点击编辑区右上角的「▶️」,选择「Run Python File in Terminal」,VSCode 底部会打开 WSL 终端,输出结果(自动激活 conda 环境);
  2. 终端手动运行:打开 VSCode 内置终端(Ctrl+``),先激活conda环境conda activate python_wsl_env,再执行python test_conda.py`;
  3. 断点调试:在代码行号左侧点击添加断点→按下F5启动调试,可逐行执行、查看变量(自动使用 conda 环境)。

五、方案 2:Cursor 连接 WSL+conda 环境运行 Python

Cursor 基于 VSCode 内核,配置逻辑与 VSCode 一致,仅界面略有差异,核心步骤如下:

1. 安装 Cursor 的 WSL 插件

  • 打开 Windows 端 Cursor,左侧「扩展商店」(Ctrl+Shift+X);
  • 搜索并安装「Remote - WSL」(微软官方插件,与 VSCode 通用);
  • Cursor 默认内置 Python 支持,无需额外安装 Python 插件。

2. 连接 Cursor 到 WSL

  • 按下Ctrl+Shift+P打开命令面板,输入「WSL: Connect to WSL」,选择你的 WSL 发行版;
  • 连接成功后,Cursor 左下角显示「WSL: Ubuntu-22.04」。

3. 打开 WSL 目录并选择 conda 解释器

  • 点击「File → Open Folder」,选择 WSL 中的项目目录(如~/python_project),确认信任;
  • 按下Ctrl+Shift+P,输入「Python: Select Interpreter」,选择 conda 环境python_wsl_env
  • Cursor 右下角会显示 conda 环境版本,配置完成。

4. 运行 Python 代码

  • 新建test_conda.py(同 VSCode 示例代码);
  • 方式 1:右上角运行:点击编辑区右上角「▶️ Run」,选择「Run Python File in Terminal」,终端输出结果;
  • 方式 2:终端运行:打开 Cursor 内置终端(Ctrl+``),激活conda环境后执行python test_conda.py`;
  • 方式 3:AI 辅助运行(Cursor 特色):选中代码→按下Ctrl+L打开 AI 窗口→输入「运行这段代码并验证 conda 环境是否生效」,AI 会执行代码并返回结果 + 环境验证信息。

六、常见问题与解决方案

1. VSCode/Cursor 中找不到 conda 虚拟环境

  • 原因:conda 环境未被 VSCode/Cursor 识别,或解释器路径未刷新;
  • 解决:
    1. 确保已在 WSL 终端激活过该 conda 环境;
    2. 在 VSCode/Cursor 中执行命令面板→「Python: Refresh Interpreter List」刷新列表;
    3. 手动指定路径:命令面板→「Python: Select Interpreter」→「Enter interpreter path」→输入/home/你的用户名/miniconda3/envs/python_wsl_env/bin/python

2. WSL 终端中输入 conda 命令提示「command not found」

  • 原因:安装 Miniconda 时未选择conda init,环境变量未配置;
  • 解决:

    bash

    运行

    # 手动初始化conda ~/miniconda3/bin/conda init bash # 重启终端,或执行source ~/.bashrc使配置生效 source ~/.bashrc

3. 运行代码提示「ModuleNotFoundError: No module named 'numpy'」

  • 原因:包安装在 base 环境,未安装在当前 conda 环境;
  • 解决:激活目标环境后安装:

    bash

    运行

    conda activate python_wsl_env conda install numpy -y

4. 终端输出中文乱码

  • 解决:在 WSL 终端执行以下命令配置 UTF-8 编码:

    bash

    运行

    echo "export LC_ALL=en_US.UTF-8" >> ~/.bashrc echo "export LANG=en_US.UTF-8" >> ~/.bashrc source ~/.bashrc
    重启 VSCode/Cursor 的 WSL 终端即可。

5. 激活 conda 环境提示「CommandNotFoundError: Your shell has not been properly configured to use 'conda activate'」

  • 原因:shell 未初始化 conda,或使用 zsh 而非 bash;
  • 解决:

    bash

    运行

    # 若用bash conda init bash # 若用zsh(WSL默认是bash,若手动切换过) conda init zsh # 重启终端

七、总结

  1. WSL 中 conda 环境的核心是「安装 Miniconda→创建虚拟环境→激活使用」;
  2. VSCode/Cursor 通过「Remote - WSL」插件连接 WSL 后,选择 conda 环境的 Python 解释器即可无缝运行代码;
  3. 关键注意:所有包需安装在目标 conda 环境中,而非 base 环境,避免依赖冲突。

按照以上步骤,你可在 WSL 的隔离环境中安全运行 Python 代码,同时利用 VSCode/Cursor 的便捷开发功能(调试、AI 辅助等)。

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/1/5 12:54:37

‌储能新标杆:宝鸡启动“电池+超级电容+光储充”多元融合电站项目‌

储能新标杆&#xff1a;宝鸡启动“电池超级电容光储充”多元融合电站项目在新能源基础设施建设蓬勃发展的当下&#xff0c;陕西省宝鸡市迈出了重要一步。近日&#xff0c;宝鸡雍川归心 200MW/400MWh 电网侧储能电站项目 EPC 总承包招标公告正式发布&#xff0c;标志着这一“电池…

作者头像 李华
网站建设 2025/12/30 17:18:59

智能招聘系统开发秘籍:【源码】OCR简历解析+AI匹配算法揭秘

一、项目背景随着经济的快速发展和市场竞争的日益激烈&#xff0c;企业对于人才的需求愈发迫切。然而&#xff0c;招聘渠道的分散、简历筛选的繁琐以及招聘周期的漫长&#xff0c;给企业招聘带来了诸多困扰。同时&#xff0c;求职者在寻找合适工作时&#xff0c;也面临着岗位信…

作者头像 李华
网站建设 2026/1/5 4:12:09

Miniconda-Python3.9安装OpenCV进行图像处理

基于 Miniconda-Python3.9 搭建 OpenCV 图像处理环境 在自动驾驶、智能安防和医疗影像分析等领域&#xff0c;图像处理早已不再是“锦上添花”的附加功能&#xff0c;而是决定系统成败的核心能力。而无论你是做算法验证、原型开发还是工程部署&#xff0c;第一步往往不是写代码…

作者头像 李华
网站建设 2026/1/5 14:37:15

PyTorch前端可视化展示:Miniconda-Python3.9后端支持

PyTorch前端可视化展示&#xff1a;Miniconda-Python3.9后端支持 在深度学习项目开发中&#xff0c;一个常见的痛点是“代码在我机器上能跑&#xff0c;换台设备就报错”。这种“环境漂移”问题往往源于 Python 版本不一致、依赖包冲突或底层库缺失。尤其当团队协作、远程调试…

作者头像 李华
网站建设 2026/1/6 6:26:42

Miniconda-Python3.9+GitHub Copilot提升编码效率

Miniconda-Python3.9 GitHub Copilot&#xff1a;构建高效智能的现代开发环境 在数据科学与人工智能项目中&#xff0c;一个常见的尴尬场景是&#xff1a;你从同事那里拿到一份“能跑”的代码&#xff0c;兴冲冲地在自己的机器上执行&#xff0c;结果却卡在了第一步——包导入…

作者头像 李华
网站建设 2026/1/5 4:27:28

PyTorch模型API设计规范:Miniconda-Python3.9环境验证

PyTorch模型API设计规范&#xff1a;Miniconda-Python3.9环境验证 在深度学习项目日益复杂的今天&#xff0c;一个常见的工程困境是&#xff1a;“代码在我本地能跑&#xff0c;但在同事机器上却报错。”这种“环境不一致”问题不仅浪费开发时间&#xff0c;更严重阻碍团队协作…

作者头像 李华