【pip / conda / uv】换源大全：2026 国内镜像最新地址，一张表搞定所有【Python】安装卡顿

🚀 pip / conda / uv 换源大全：2026 国内镜像最新地址，一张表搞定所有 Python 安装卡顿

文章目录

[🚀 pip / conda / uv 换源大全：2026 国内镜像最新地址，一张表搞定所有 Python 安装卡顿](#🚀 pip / conda / uv 换源大全：2026 国内镜像最新地址，一张表搞定所有 Python 安装卡顿)
- [📋 2026 年国内可用镜像速查表](#📋 2026 年国内可用镜像速查表)
- [🐍 第一章：pip 换源](#🐍 第一章：pip 换源)
- - 方法一：临时换源（单次命令，不影响全局）
  - 方法二：永久换源（推荐，一劳永逸）
  - [方法三：pip install torch 专项------PyTorch 官方 + 清华镜像](#方法三：pip install torch 专项——PyTorch 官方 + 清华镜像)
  - [pip 换源效果验证](#pip 换源效果验证)
- [🐼 第二章：conda 换源](#🐼 第二章：conda 换源)
- - 方法一：命令行添加镜像源
  - [方法二：直接编辑 .condarc（推荐，更直观）](#方法二：直接编辑 .condarc（推荐，更直观）)
  - [conda 换源效果验证](#conda 换源效果验证)
  - [conda-forge 单独换源](#conda-forge 单独换源)
- [⚡ 第三章：uv 换源](#⚡ 第三章：uv 换源)
- - 方法一：环境变量（推荐，最灵活）
  - [方法二：uv 配置文件](#方法二：uv 配置文件)
  - 方法三：项目级配置（pyproject.toml）
  - [uv 安装 PyTorch 的完整命令](#uv 安装 PyTorch 的完整命令)
- [🤗 第四章：HuggingFace 换源](#🤗 第四章：HuggingFace 换源)
- - 方法一：环境变量（推荐）
  - 方法二：代码里设置
  - [huggingface-cli 下载（配合镜像）](#huggingface-cli 下载（配合镜像）)
  - [hf_transfer 加速（10x 下载速度）](#hf_transfer 加速（10x 下载速度）)
- [🐳 第五章：Docker / pip 镜像双重加速](#🐳 第五章：Docker / pip 镜像双重加速)
- [🔧 第六章：常见问题速解](#🔧 第六章：常见问题速解)
- - [问题 1：SSL 证书验证失败](#问题 1：SSL 证书验证失败)
  - [问题 2：换源后还是很慢 / 超时](#问题 2：换源后还是很慢 / 超时)
  - [问题 3：找不到包（某个镜像源没有这个包）](#问题 3：找不到包（某个镜像源没有这个包）)
  - [问题 4：虚拟环境里换源](#问题 4：虚拟环境里换源)
  - [问题 5：conda 源配置后包版本冲突](#问题 5：conda 源配置后包版本冲突)
  - [问题 6：公司/学校内网，不能访问任何外网](#问题 6：公司/学校内网，不能访问任何外网)
- [📱 第七章：一键配置脚本（新机器必跑）](#📱 第七章：一键配置脚本（新机器必跑）)
- [🎁 速查总结（建议截图收藏）](#🎁 速查总结（建议截图收藏）)
- [📣 最后](#📣 最后)

写在前面 ：pip install torch 卡住不动，conda create 半小时没反应，uv sync 超时报错------这些问题的根本原因只有一个：默认源在境外，国内访问慢 。换源是 AI 开发者第一天就要做的事，但每次换新机器、新环境都要重新找地址。这篇把 pip、conda、uv、HuggingFace、Docker 镜像的所有换源方法集中整理，一次收藏，永久用。

📋 2026 年国内可用镜像速查表

镜像站	机构	pip	conda	备注
清华 TUNA	清华大学	✅	✅	最稳定，首选
阿里云	阿里巴巴	✅	✅	速度快，企业推荐
中科大 USTC	中国科学技术大学	✅	✅	学术网络稳定
华为云	华为	✅	❌	pip 备选
腾讯云	腾讯	✅	❌	pip 备选
豆瓣	豆瓣	✅	❌	老牌，仍可用
上海交大 SJTUG	上海交通大学	✅	✅	学术网络

镜像地址速查（直接复制）：

复制代码

# pip 镜像
清华：  https://pypi.tuna.tsinghua.edu.cn/simple
阿里：  https://mirrors.aliyun.com/pypi/simple
中科大：https://pypi.mirrors.ustc.edu.cn/simple
华为：  https://mirrors.huaweicloud.com/pypi/simple
腾讯：  https://mirrors.cloud.tencent.com/pypi/simple
豆瓣：  https://pypi.doubanio.com/simple

# conda 镜像（https_url）
清华：  https://mirrors.tuna.tsinghua.edu.cn/anaconda
阿里：  https://mirrors.aliyun.com/anaconda
中科大：https://mirrors.ustc.edu.cn/anaconda
上交大：https://mirror.sjtu.edu.cn/anaconda

# HuggingFace 镜像
HF-Mirror：https://hf-mirror.com

# PyTorch 镜像（清华）
https://mirrors.tuna.tsinghua.edu.cn/pytorch-wheels

🐍 第一章：pip 换源

方法一：临时换源（单次命令，不影响全局）

bash 复制代码

# 基础格式
pip install 包名 -i 镜像地址

# 常用写法（清华源，推荐）
pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple

# 加上信任（避免 SSL 警告）
pip install numpy \
  -i https://pypi.tuna.tsinghua.edu.cn/simple \
  --trusted-host pypi.tuna.tsinghua.edu.cn

# 安装 requirements.txt 也一样
pip install -r requirements.txt \
  -i https://pypi.tuna.tsinghua.edu.cn/simple

# 各镜像的临时使用（直接替换 URL 即可）
pip install torch -i https://mirrors.aliyun.com/pypi/simple
pip install torch -i https://pypi.mirrors.ustc.edu.cn/simple
pip install torch -i https://mirrors.huaweicloud.com/pypi/simple

方法二：永久换源（推荐，一劳永逸）

Linux / macOS

bash 复制代码

# 一行命令搞定（清华源）
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

# 验证配置
pip config list
# global.index-url='https://pypi.tuna.tsinghua.edu.cn/simple'

Windows

powershell 复制代码

# PowerShell 里运行（同样的命令）
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

手动编辑配置文件

配置文件位置：

复制代码

Linux/macOS：  ~/.pip/pip.conf（或 ~/.config/pip/pip.conf）
Windows：      C:\Users\用户名\pip\pip.ini
              或 %APPDATA%\pip\pip.ini

内容：

ini 复制代码

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
trusted-host = pypi.tuna.tsinghua.edu.cn
timeout = 120

# 如果需要安装私有包，保留官方源作为 extra-index
# extra-index-url = https://pypi.org/simple

一键配置脚本 （保存为 setup_pip.sh，新机器直接跑）：

bash 复制代码

#!/bin/bash
# 自动配置 pip 换源

mkdir -p ~/.pip
cat > ~/.pip/pip.conf << 'EOF'
[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
trusted-host = pypi.tuna.tsinghua.edu.cn
timeout = 120
EOF

echo "✅ pip 换源完成！当前配置："
pip config list

方法三：pip install torch 专项------PyTorch 官方 + 清华镜像

PyTorch 的包比较特殊，在 PyPI 上没有全量的 CUDA 版本，需要指定额外的 index-url：

bash 复制代码

# 官方地址（境外，慢）
pip install torch torchvision torchaudio \
  --index-url https://download.pytorch.org/whl/cu128

# 清华镜像（国内，推荐）
pip install torch torchvision torchaudio \
  --index-url https://mirrors.tuna.tsinghua.edu.cn/pytorch-wheels/cu128

# CUDA 版本对应：
# cu128  → CUDA 12.8（RTX 40/50 系列推荐）
# cu124  → CUDA 12.4
# cu121  → CUDA 12.1
# cpu    → 纯 CPU 版本

# 只需 CPU 版本（最小安装）
pip install torch torchvision torchaudio \
  --index-url https://mirrors.tuna.tsinghua.edu.cn/pytorch-wheels/cpu

pip 换源效果验证

bash 复制代码

# 安装一个包，看速度
pip install requests -v 2>&1 | grep "Looking in indexes"
# 输出类似：
# Looking in indexes: https://pypi.tuna.tsinghua.edu.cn/simple

# 测试网速
time pip download numpy --no-deps -d /tmp/test_pip

🐼 第二章：conda 换源

方法一：命令行添加镜像源

bash 复制代码

# 添加清华镜像（包含 defaults、conda-forge、pytorch 等常用频道）
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge

# 设置显示频道 URL（安装时能看到从哪里下）
conda config --set show_channel_urls yes

# 验证配置
conda config --show channels

方法二：直接编辑 .condarc（推荐，更直观）

配置文件位置：~/.condarc（不存在则新建）

清华源（最稳定，推荐）：

yaml 复制代码

# ~/.condarc
channels:
  - defaults

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/free

custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

show_channel_urls: true
channel_priority: flexible

阿里云源：

yaml 复制代码

# ~/.condarc
channels:
  - defaults

default_channels:
  - https://mirrors.aliyun.com/anaconda/pkgs/main
  - https://mirrors.aliyun.com/anaconda/pkgs/r
  - https://mirrors.aliyun.com/anaconda/pkgs/free

custom_channels:
  conda-forge: https://mirrors.aliyun.com/anaconda/cloud

show_channel_urls: true

一键配置脚本：

bash 复制代码

#!/bin/bash
# 自动配置 conda 换源（清华）

cat > ~/.condarc << 'EOF'
channels:
  - defaults

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/free

custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

show_channel_urls: true
channel_priority: flexible
EOF

echo "✅ conda 换源完成！"
conda config --show channels

conda 换源效果验证

bash 复制代码

# 创建测试环境，看下载速度
conda create -n test_env python=3.12 --dry-run

# 搜索包，确认来源
conda search numpy | head -20
# 应该看到类似：mirrors.tuna.tsinghua.edu.cn 的来源

# 如果换源后还慢，清理缓存重试
conda clean --all -y

conda-forge 单独换源

bash 复制代码

# 如果主要用 conda-forge 安装包
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
conda config --set channel_priority strict

# 验证
conda config --show

⚡ 第三章：uv 换源

uv 是 2025-2026 年最受欢迎的 Python 包管理器，速度极快，换源方式和 pip 略有不同。

方法一：环境变量（推荐，最灵活）

bash 复制代码

# 临时（当前 shell 会话有效）
export UV_INDEX_URL=https://pypi.tuna.tsinghua.edu.cn/simple

# 永久（加入 ~/.zshrc 或 ~/.bashrc）
echo 'export UV_INDEX_URL=https://pypi.tuna.tsinghua.edu.cn/simple' >> ~/.zshrc
source ~/.zshrc

# 验证
uv pip install numpy --verbose 2>&1 | grep "index"

方法二：uv 配置文件

toml 复制代码

# ~/.config/uv/uv.toml（Linux/macOS）
# Windows: %APPDATA%\uv\uv.toml

[[index]]
url = "https://pypi.tuna.tsinghua.edu.cn/simple"
default = true

# 如果需要 PyTorch CUDA 版本，额外添加
[[index]]
url = "https://mirrors.tuna.tsinghua.edu.cn/pytorch-wheels/cu128"
explicit = true  # 只有明确指定时才使用这个源

方法三：项目级配置（pyproject.toml）

适合团队项目，把源配置放在项目里，所有人克隆后自动生效：

toml 复制代码

# pyproject.toml（项目根目录）

[tool.uv]
index-url = "https://pypi.tuna.tsinghua.edu.cn/simple"

# PyTorch 项目专项配置（额外源）
[[tool.uv.index]]
url = "https://mirrors.tuna.tsinghua.edu.cn/pytorch-wheels/cu128"
explicit = true

[tool.uv.sources]
torch = { index = "https://mirrors.tuna.tsinghua.edu.cn/pytorch-wheels/cu128" }
torchvision = { index = "https://mirrors.tuna.tsinghua.edu.cn/pytorch-wheels/cu128" }

uv 安装 PyTorch 的完整命令

bash 复制代码

# 配置了镜像后，安装 PyTorch
uv pip install torch torchvision \
  --index-url https://mirrors.tuna.tsinghua.edu.cn/pytorch-wheels/cu128

# 或者用 uv add（项目依赖管理）
uv add torch --index-url https://mirrors.tuna.tsinghua.edu.cn/pytorch-wheels/cu128

# 在 pyproject.toml 里配置好源后，直接 sync
uv sync

🤗 第四章：HuggingFace 换源

HuggingFace 模型下载慢是另一个常见痛点，官方推荐的国内镜像是 hf-mirror.com。

方法一：环境变量（推荐）

bash 复制代码

# 临时（当前会话）
export HF_ENDPOINT=https://hf-mirror.com

# 永久（加入 ~/.zshrc）
echo 'export HF_ENDPOINT=https://hf-mirror.com' >> ~/.zshrc
source ~/.zshrc

# 设置好后，所有 HF 相关下载自动走镜像
# 包括：huggingface-cli / transformers / datasets / diffusers 等

方法二：代码里设置

python 复制代码

import os
os.environ["HF_ENDPOINT"] = "https://hf-mirror.com"

# 必须在 import huggingface_hub 之前设置！
from transformers import AutoModelForCausalLM
model = AutoModelForCausalLM.from_pretrained("Qwen/Qwen3-7B")

huggingface-cli 下载（配合镜像）

bash 复制代码

# 设置好 HF_ENDPOINT 后
HF_ENDPOINT=https://hf-mirror.com \
  huggingface-cli download Qwen/Qwen3-7B-Instruct \
  --local-dir ./models/qwen3-7b

# 开启断点续传（大模型必用）
HF_ENDPOINT=https://hf-mirror.com \
  huggingface-cli download Qwen/Qwen3-7B-Instruct \
  --local-dir ./models/qwen3-7b \
  --resume-download

# 只下载特定文件（排除不需要的）
HF_ENDPOINT=https://hf-mirror.com \
  huggingface-cli download Qwen/Qwen3-7B-Instruct \
  --local-dir ./models/qwen3-7b \
  --exclude "*.msgpack" "*.h5" "flax_model*"

hf_transfer 加速（10x 下载速度）

bash 复制代码

# 安装
pip install hf_transfer

# 开启加速（配合镜像使用）
export HF_ENDPOINT=https://hf-mirror.com
export HF_HUB_ENABLE_HF_TRANSFER=1

huggingface-cli download Qwen/Qwen3-7B-Instruct --local-dir ./models

🐳 第五章：Docker / pip 镜像双重加速

如果在 Docker 里装 Python 包，需要同时换 apt 源和 pip 源：

dockerfile 复制代码

FROM python:3.12-slim

# 换 apt 源（清华）
RUN sed -i 's/deb.debian.org/mirrors.tuna.tsinghua.edu.cn/g' /etc/apt/sources.list.d/debian.sources

# 配置 pip 源
RUN pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple \
    && pip config set global.trusted-host pypi.tuna.tsinghua.edu.cn

# 安装依赖
COPY requirements.txt .
RUN pip install -r requirements.txt --no-cache-dir

COPY . .
CMD ["python", "main.py"]

🔧 第六章：常见问题速解

问题 1：SSL 证书验证失败

bash 复制代码

# 报错：SSL: CERTIFICATE_VERIFY_FAILED

# 方案1：临时跳过验证（不推荐用于生产）
pip install numpy --trusted-host pypi.tuna.tsinghua.edu.cn \
  -i https://pypi.tuna.tsinghua.edu.cn/simple

# 方案2：在 pip.conf 里永久配置 trusted-host
[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
trusted-host = pypi.tuna.tsinghua.edu.cn

# 方案3：更新证书（根本解决）
pip install certifi --upgrade

问题 2：换源后还是很慢 / 超时

bash 复制代码

# 原因：缓存里还有旧的连接信息，或者这个源本身有问题

# 清理 pip 缓存
pip cache purge

# 换备用源试试
pip install numpy -i https://mirrors.aliyun.com/pypi/simple

# 调大超时时间
pip install numpy --timeout=300 -i https://pypi.tuna.tsinghua.edu.cn/simple

# conda 清理缓存
conda clean --all -y

问题 3：找不到包（某个镜像源没有这个包）

bash 复制代码

# 部分小众包只在官方 PyPI 上有，镜像站同步有延迟

# 方案1：用 extra-index-url 同时保留官方源
pip install 罕见包 \
  -i https://pypi.tuna.tsinghua.edu.cn/simple \
  --extra-index-url https://pypi.org/simple

# 方案2：pip.conf 里同时配置两个源
[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
extra-index-url = https://pypi.org/simple
trusted-host = pypi.tuna.tsinghua.edu.cn

问题 4：虚拟环境里换源

bash 复制代码

# 虚拟环境里的 pip 默认读取全局配置，通常不需要额外设置
# 但如果需要单独配置，在虚拟环境目录里建 pip.ini

# Linux/macOS
mkdir -p .venv/pip
cat > .venv/pip/pip.conf << 'EOF'
[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
EOF

# uv 管理的虚拟环境，用 pyproject.toml 里的配置

问题 5：conda 源配置后包版本冲突

bash 复制代码

# 原因：channel_priority 设置问题

# 改为 flexible（更宽松的版本匹配）
conda config --set channel_priority flexible

# 或者在 .condarc 里设置
channel_priority: flexible

# 如果还是冲突，尝试单独用 conda-forge
conda install -c conda-forge 包名

问题 6：公司/学校内网，不能访问任何外网

bash 复制代码

# 方案：搭建内部 PyPI 镜像（devpi / bandersnatch）

# 或者：用已有的企业内部镜像
# 向 IT 部门询问内部 PyPI/conda 地址，格式类似：
# http://nexus.company.com/repository/pypi/simple/

pip install numpy \
  -i http://nexus.company.com/repository/pypi/simple/ \
  --trusted-host nexus.company.com

📱 第七章：一键配置脚本（新机器必跑）

把这个脚本保存在 GitHub / 云端，新机器克隆下来直接跑：

bash 复制代码

#!/bin/bash
# setup_mirrors.sh - 新机器一键换源脚本
# 用法：bash setup_mirrors.sh

set -e

echo "🚀 开始配置国内镜像源..."

# ── pip 换源 ──
echo "📦 配置 pip..."
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
pip config set global.trusted-host pypi.tuna.tsinghua.edu.cn
echo "✅ pip 配置完成"

# ── conda 换源（如果安装了 conda）──
if command -v conda &> /dev/null; then
    echo "🐼 配置 conda..."
    cat > ~/.condarc << 'EOF'
channels:
  - defaults

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/free

custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

show_channel_urls: true
channel_priority: flexible
EOF
    echo "✅ conda 配置完成"
fi

# ── uv 换源（如果安装了 uv）──
if command -v uv &> /dev/null; then
    echo "⚡ 配置 uv..."
    mkdir -p ~/.config/uv
    cat > ~/.config/uv/uv.toml << 'EOF'
[[index]]
url = "https://pypi.tuna.tsinghua.edu.cn/simple"
default = true
EOF
    echo "✅ uv 配置完成"
fi

# ── HuggingFace 镜像 ──
echo "🤗 配置 HuggingFace 镜像..."
SHELL_RC="${HOME}/.zshrc"
[ -f "${HOME}/.bashrc" ] && SHELL_RC="${HOME}/.bashrc"

# 检查是否已经配置
if ! grep -q "HF_ENDPOINT" "$SHELL_RC" 2>/dev/null; then
    echo '' >> "$SHELL_RC"
    echo '# HuggingFace 镜像' >> "$SHELL_RC"
    echo 'export HF_ENDPOINT=https://hf-mirror.com' >> "$SHELL_RC"
    echo 'export HF_HUB_ENABLE_HF_TRANSFER=1' >> "$SHELL_RC"
fi
echo "✅ HuggingFace 配置完成（重新打开终端生效）"

echo ""
echo "🎉 所有镜像源配置完成！"
echo ""
echo "当前 pip 配置："
pip config list

🎁 速查总结（建议截图收藏）

bash 复制代码

# ── pip ──
# 临时
pip install 包名 -i https://pypi.tuna.tsinghua.edu.cn/simple
# 永久
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
# PyTorch
pip install torch --index-url https://mirrors.tuna.tsinghua.edu.cn/pytorch-wheels/cu128

# ── conda ──
# 一键（直接编辑 ~/.condarc）
# 参考第二章完整配置

# ── uv ──
# 环境变量
export UV_INDEX_URL=https://pypi.tuna.tsinghua.edu.cn/simple
# 配置文件：~/.config/uv/uv.toml

# ── HuggingFace ──
export HF_ENDPOINT=https://hf-mirror.com
export HF_HUB_ENABLE_HF_TRANSFER=1

# ── 镜像地址备忘 ──
# 清华：https://pypi.tuna.tsinghua.edu.cn/simple        ← 首选
# 阿里：https://mirrors.aliyun.com/pypi/simple
# 中科大：https://pypi.mirrors.ustc.edu.cn/simple
# 华为：https://mirrors.huaweicloud.com/pypi/simple

📣 最后

如果这篇帮你解决了 pip install 卡住的问题：

👍 点赞让更多被下载速度折磨的同学看到
⭐ 收藏下次换新机器直接来翻脚本
🔔 关注持续更新 AI 开发工具技巧，一个正在学 AI 的大学生 👨‍🎓

📚 相关阅读：

《Python 环境管理终极指南：conda vs venv vs uv，2026 年该怎么选》

《uv 实操：10 分钟跑通 Python 项目环境》

《CUDA 版本对齐踩坑全记录：torch + CUDA + cuDNN 四者版本怎么配》

《HuggingFace 模型下载太慢？2026 最全 4 种加速方案》

【pip / conda / uv】换源大全：2026 国内镜像最新地址，一张表搞定所有 【Python】安装卡顿