Anaconda插件import无补全的根本原因是默认关闭标准库索引且不扫描site-packages；需启用"completions":true和"include_imports":true，并正确配置python_interpreter路径指向目标环境。
Anaconda插件安装后为什么import语句没补全？
根本原因是插件默认关闭了 Python 标准库索引，只对当前项目内文件做静态分析。它不会自动扫描 site-packages 或系统 Python 环境里的模块。
实操建议：
- 打开
Preferences → Package Settings → Anaconda → Settings – User - 确保包含以下配置项（尤其注意
"anaconda_linting": false不影响补全，但"completions": true必须为true）：
{
"python_interpreter": "/usr/bin/python3",
"suppress_word_completions": true,
"suppress_explicit_completions": true,
"completions": true,
"auto_complete_commit_on_tab": true,
"include_imports": true
}
"include_imports": true 是关键——它让补全器在输入 import 后尝试列出已知模块；若仍无反应，大概率是 python_interpreter 路径不对或该解释器没装所需包。
如何让 Anaconda 识别虚拟环境中的包？
Sublime 默认不读取 venv 或 conda 激活状态，必须显式指定解释器路径。否则 requests、numpy 这类第三方包永远不会出现在补全列表里。
立即学习“Python免费学习笔记（深入）”；
常见错误现象：在终端能 import flask，但在 Sublime 里敲 fla 没反应。
实操建议：
- 在虚拟环境中运行
which python（macOS/Linux）或where python（Windows），复制完整路径 - 粘贴到
Settings – User的"python_interpreter"字段中 - 重启 Sublime（必须重启，热重载不生效）
- 如果用 conda，路径通常是类似
/opt/anaconda3/envs/myenv/bin/python或C:\Users\Me\Anaconda3\envs\myenv\python.exe
sublime-completion 文件和 Anaconda 补全冲突吗？
会。Sublime 原生的 .sublime-completion 文件（比如自定义函数模板）由编辑器自身触发，而 Anaconda 的补全走的是 LSP-like 后端逻辑，两者优先级不同，且 suppress_word_completions 设为 true 时会直接屏蔽原生词补全。
使用场景：你写了 def my_util(): 并生成了对应 .sublime-completion，但输入 my_u 时没弹出。
实操建议：
- 保留
"suppress_word_completions": true（避免干扰 Anaconda 的智能补全） - 把自定义补全改用
anaconda completions格式，即在项目根目录建.anaconda-completion文件，写入 JSON 格式的补全项 - 或者干脆放弃
.sublime-completion，改用 Anaconda 的snippets功能（Tools → Developer → New Snippet...），更可控
补全卡顿、CPU 占用高怎么办？
Anaconda 默认开启后台 lint 和符号索引，对大项目（如 Django 全量源码）或含大量 __init__.py 的包（如 scipy）容易拖慢响应。
性能影响明显的表现：敲一个字母延迟 1–2 秒，状态栏长期显示 “Anaconda: indexing…”。
实操建议：
- 关闭非必要功能：在
Settings – User中设"anaconda_linting": false、"auto_grow_stack": false - 限制索引范围：添加
"limit_to_project": true，避免扫描整个 home 目录 - 排除大型第三方包：用
"exclude_packages": ["scipy", "tensorflow"]（注意拼写准确，大小写敏感） - 禁用项目级索引：若只是临时阅读代码，可设
"enable_signatures_tooltip": false和"enable_stack_view": false
真正复杂的地方不是配置项多，而是每个路径、每个布尔值都依赖当前 Python 环境的真实状态——配错 interpreter 就像给导航输错城市名，其余所有设置都在正确方向上狂奔，但永远到不了目的地。
