【2026最新】Windows下Miniforge安装与清华源配置全攻略：轻量、极速、免费

2301_82152099

2339人浏览 · 2026-03-10 20:08:15

2301_82152099 · 2026-03-10 20:08:15 发布

📢 前言

在Python数据科学、机器学习及安全研究领域，Conda 是不可或缺的环境管理工具。然而，随着Anaconda商业授权政策的调整以及官方源在国内访问速度的限制，越来越多的开发者转向了 Miniforge。

Miniforge 是由 conda-forge 社区维护的轻量级发行版，它拥有以下核心优势：

✅ 完全开源免费：规避商业授权风险。
✅ 极致轻量：安装包仅约80MB（对比Anaconda的3GB+）。
✅ 内置Mamba：默认集成更快的C++包解析器，依赖解决速度提升数倍。
✅ 默认Conda-Forge：拥有更丰富、更新更及时的软件包生态。

本文将手把手教你在 Windows 环境下，通过 清华大学镜像站 快速下载并安装 Miniforge，并完成 国内源配置，彻底解决“下载慢、安装难”的痛点。

一、下载：使用清华镜像加速

由于 GitHub 官方 Release 在国内访问不稳定，强烈推荐使用 清华大学开源软件镜像站 下载。

访问镜像地址：
打开浏览器，进入清华镜像站 Miniforge 专区：
👉 https://mirrors.tuna.tsinghua.edu.cn/github-release/conda-forge/miniforge/LatestRelease/

选择安装包：
根据你的系统架构选择对应的 .exe 文件：
- Win 64位 (主流)：点击 Miniforge3-Windows-x86_64.exe
- Win ARM64 (如Surface Pro X)：点击 Miniforge3-Windows-arm64.exe
💡 提示：页面中可能包含多个版本，通常选择带有 Latest 标记或版本号最新的即可。
开始下载：
利用清华镜像的高速带宽，通常几秒钟即可完成下载。

二、安装：关键步骤详解

运行安装程序：
双击下载好的 .exe 文件，启动安装向导。
同意协议：
点击 I Agree 接受许可协议。
选择安装类型：
- 推荐选择 Just Me（仅当前用户），无需管理员权限，更安全且避免路径问题。
- 若需多用户使用，可选择 All Users。
选择安装路径：
- 建议选择一个不含中文、不含空格的简短路径。
- 推荐示例：D:\Miniforge3 或 C:\Users\你的用户名\miniforge3。
- ❌ 错误示范：C:\Program Files\Miniforge 3 (含空格) 或 D:\软件\我的环境 (含中文)。
高级选项 (至关重要)：
在安装选项中，请务必勾选以下两项（如果安装程序提供）：
- ✅ Add Miniforge3 to my PATH environment variable
  - 作用：将 conda/mamba 命令添加到系统环境变量，让你可以在任意命令行窗口直接使用。
  - 注意：旧版安装器可能会显示红色警告，但在2026年的新版本中通常已安全。如果不敢勾选，后续需手动配置环境变量。
- ✅ Register Miniforge3 as my default Python
  - 作用：将 Miniforge 的 Python 注册为系统默认 Python。
完成安装：
点击 Install 等待进度条完成，最后点击 Finish。

三、验证与初始化

安装完成后，我们需要验证环境是否正常工作。

打开命令行工具：
- 推荐方式：在开始菜单搜索并打开 Miniforge Prompt。这是官方预配好的终端，最稳定。
- 通用方式：打开普通的 CMD 或 PowerShell。
验证版本：
输入以下命令，若输出版本号则说明安装成功：
```
conda --version
mamba --version
```
💡 亮点：Miniforge 内置了 mamba，它是 conda 的快速替代品，后续安装包时建议使用 mamba install 代替 conda install 以获得极速体验。
初始化 (如未自动配置)：
如果在普通 CMD 中输入 conda 提示“不是内部或外部命令”，请运行：
```
conda init
```
运行成功后，关闭并重新打开命令行窗口。此时命令行前缀应出现 (base)，表示基础环境已激活。

四、核心配置：替换为清华镜像源

Miniforge 默认连接国外的 conda-forge 源，在国内下载大型包（如 PyTorch, TensorFlow）时速度极慢。我们需要将其替换为清华源。

⚠️ Windows 用户特别注意

Windows 系统无法直接手动创建名为 .condarc 的隐藏配置文件。我们需要先通过 conda config 命令生成它，然后再修改内容。

步骤 1：生成配置文件

在命令行（Miniforge Prompt 或 CMD）中输入：

conda config --set show_channel_urls yes

执行后，系统会自动在当前用户目录（C:\Users\你的用户名\）下生成 .condarc 文件。

步骤 2：编辑 .condarc 文件

找到文件：
路径通常为：C:\Users\你的用户名\.condarc
(你可以在文件资源管理器地址栏输入 %USERPROFILE% 快速跳转)

编辑内容：
使用记事本、Notepad++ 或 VS Code 打开该文件。
清空原有所有内容，复制并粘贴以下 清华源完整配置代码：

yaml

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
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

配置解析：

default_channels：替换了默认的 anaconda 主仓库。

custom_channels：将 conda-forge（Miniforge默认源）、pytorch 等常用社区源指向清华镜像，确保无论是 conda install 还是 mamba install 都能享受加速。

保存：保存并关闭文件。

五、测试与清理

配置完成后，建议清除旧缓存并测试新源是否生效。

1. 清除索引缓存

删除旧的索引缓存，强制 conda 重新从新源拉取数据：

conda clean -i

(输入 y 确认清理)

2. 创建测试环境

尝试创建一个包含常用库（如 numpy）的新环境，观察下载速度和链接地址：

# 推荐使用 mamba 创建，速度更快
mamba create -n test_env numpy -y

或者使用 conda：

conda create -n test_env numpy -y

成功标志：

下载速度显著提升（通常能跑满宽带）。
终端输出的下载链接中包含 mirrors.tuna.tsinghua.edu.cn。

3. 常用环境管理命令

激活环境：conda activate test_env (或 mamba activate test_env)
退出环境：conda deactivate
查看环境列表：conda env list

删除环境：

conda deactivate  # 先退出
conda remove -n test_env --all  # 再删除

六、常见问题 (FAQ)

Q1: 修改 .condarc 后依然下载慢？

检查：确认 .condarc 文件内容是否正确复制，没有多余的空格或缩进错误（YAML格式对缩进敏感）。
生效：运行 conda clean -i 清除缓存后再试。
网络：极少数情况下清华源会临时波动，可尝试切换至中科大源 (mirrors.ustc.edu.cn)。

Q2: 想要恢复默认源怎么办？

运行以下命令重置：

conda config --remove-key channels
conda config --remove-key custom_channels

或者直接删除 .condarc 文件。

Q3: Conda 和 Mamba 用哪个？

推荐优先使用 Mamba。在 Miniforge 中，mamba 命令与 conda 完全兼容，但依赖解析算法是用 C++ 重写的，速度通常快 5-10 倍，尤其在解决复杂依赖时优势明显。
- 例如：mamba install pandas 比 conda install pandas 更快。