AI 生成的 Python 代码经常出现这样一种现象：同一份脚本在作者本地运行正常，换一台设备就冒出 ModuleNotFoundError，或者某个函数突然提示参数数量不对。这种依赖冲突的根源很少是业务逻辑写错，而是依赖声明和安装环境两个环节没有约束。要稳定复现 AI 生成的代码，必须把第三方包版本锁定下来，并且把项目放进独立的虚拟环境里运行。
一、先看清依赖冲突的根源
AI 生成代码时通常只关心如何实现功能，给出的 requirements.txt 往往非常随意。有些只写包名，例如 requests 或 flask；有些虽然写了版本，但范围特别宽，比如 numpy>=1.18。这种写法会让 pip 在安装时直接选择当前可用版本中满足条件的最新版。今天装的是 1.26，明天可能就变成 2.0，而 API 一旦改变，代码就会报错。即使项目代码本身没有使用新特性，某些库在升级后修改了默认参数或返回值结构，也会让结果悄悄变错。
更隐蔽的是传递依赖冲突。假设代码同时依赖包 A 和包 B，A 要求 numpy<1.24，B 要求 numpy>=1.24，pip 无法同时满足两个条件，就会出现安装失败。如果两个条件没有直接矛盾，pip 通常会尝试寻找交集，但解析结果不一定和开发环境一致。AI 生成代码时不会提前模拟这种解析，requirements.txt 也没有记录完整的依赖树，所以换台机器就可能触发冲突。
要解决这些问题，工程上常用的两条措施是精确版本锁定和虚拟环境隔离。前者让每次安装的包版本固定，后者让不同项目之间的依赖互不干扰。下面分别展开说明。
二、用 requirements.txt 实现精确版本锁定
最直接的做法是在一个已经能正常运行代码的环境里，使用 python -m pip freeze 把当前所有包的精确版本导出到文件。它输出的内容类似 requests==2.31.0、numpy==1.26.4，双等号表示固定版本，安装时不会再自动升级。生成锁定文件的命令如下：
python -m pip freeze > requirements.txt
这段命令会把当前环境里所有已安装的第三方包都记录下来，其中既包括项目直接使用的包，也包括这些包引入的传递依赖。使用这种全量锁定文件，能让另一台机器在安装时获得几乎完全一致的环境。它的缺点是文件内容较多，而且跨平台或跨 Python 版本时可能包含不适用的包。对于从 AI 生成代码起步的项目，建议先采用这种方式快速固定环境，等后续维护时再逐步拆分顶层依赖和锁定依赖。
如果暂时拿不到可运行环境，只能使用 AI 原始给出的 requirements.txt，就要手动把宽泛版本改成精确版本。例如将 openai>=0.27 改为 openai==0.28.1，将 pandas 改为 pandas==2.2.2。修改原则是：凡是直接 import 的包必须写绝对版本，传递依赖可以暂时不管，先通过安装后的检查命令发现问题。改完执行 python -m pip install -r requirements.txt 安装，再运行 python -m pip check 检查是否存在冲突。
三、用虚拟环境做好隔离
版本锁定解决的是装哪个版本的问题，虚拟环境解决的是装在哪里的问题。如果把所有 AI 生成项目的依赖都装进全局 Python 环境，项目 A 需要的 urllib3 版本可能直接破坏项目 B 的运行。Python 自带的 venv 模块可以创建一个轻量级隔离环境，命令简单，不依赖第三方工具。在项目根目录执行：
python -m venv .venv
上面的命令会创建一个名为 .venv 的目录，里面包含独立的 Python 解释器和包安装目录。激活环境时，Windows 使用 .venv\Scripts\activate，macOS 和 Linux 使用 source .venv/bin/activate。注意 Windows 路径中的反斜杠必须保留，不要写成斜杠。激活成功后，命令行提示符前面通常会出现 (.venv)，此时再执行 python -m pip install -r requirements.txt，所有包都只会进入这个项目目录，不会污染系统环境。
如果要同时隔离不同 Python 版本，或者需要安装二进制科学计算库，可以考虑使用 Anaconda 或 miniconda 创建 conda 环境。对于大多数 Web 项目、脚本工具和 AI 生成的小型应用，venv 已经足够。需要特别避免的是在全局环境中直接执行 pip install，尤其是使用管理员权限安装。很多依赖冲突就是从这个习惯开始的。
四、从安装到验证的完整流程
拿到 AI 生成代码后，推荐按照固定流程操作：先创建虚拟环境，再安装锁定文件，然后运行依赖检查，最后执行主程序。完整的命令序列可以整理为：
python -m venv .venv .venv\Scripts\activate python -m pip install --upgrade pip python -m pip install -r requirements.txt python -m pip check python main.py
其中 python -m pip check 是验证依赖树是否完整的关键步骤。如果没有问题，它会输出 No broken requirements found.；如果有冲突，则会列出具体是哪两个包之间存在版本矛盾。遇到冲突时不要盲目执行 pip install --force-reinstall 或卸载系统包，先查看冲突包的版本约束和实际来源，再决定是调整 requirements.txt 还是寻找替代版本。
验证通过后，requirements.txt 需要提交到版本库，而 .venv 目录通常不要提交。这样其他协作者或服务器部署时，只需重新创建虚拟环境并安装锁定文件，就能得到一致的运行环境。对于线上服务，也应该在目标机器上创建独立虚拟环境后再安装依赖，而不是直接在系统 Python 中执行安装命令。这样做虽然多出几步操作，但能有效避免 AI 生成代码带来的依赖失控问题。
依赖冲突requirements.txt虚拟环境隔离修改时间：2026-10-01 09:14:38