pip指定版本安装出错的根本原因是其默认满足依赖约束而非严格锁定版本，导致间接依赖被意外升级；应优先用pip-tools生成全依赖锁版本的requirements.txt。
pip install 指定版本号时为什么总装错？
根本原因不是命令写错了，而是 pip 默认会满足依赖约束而非严格锁定版本。比如你执行 pip install requests==2.25.1，但当前环境里已有 urllib3>=1.26.0 的其他包，而 requests 2.25.1 实际要求 urllib3，pip 就可能悄悄降级或跳过安装，甚至假装成功却没生效。
- 用
pip install --force-reinstall --no-deps requests==2.25.1可绕过依赖检查，但后续 import 很可能报错——因为缺依赖 - 真正安全的做法是先清依赖冲突：用
pip show requests看当前版本和依赖树，再用pipdeptree --reverse --packages requests（需先装pipdeptree）查谁在依赖它 - 如果只是临时测试旧版，优先用干净虚拟环境：
python -m venv venv-old && venv-old\Scripts\activate（Windows）或source venv-old/bin/activate（macOS/Linux）
requirements.txt 里写旧版本，为什么 pip install 后还是新版本？
常见于团队协作或 CI 场景：明明写了 django==3.2.23，运行 pip install -r requirements.txt 却装了 4.2.13。这不是 pip bug，而是 requirements.txt 被其他文件覆盖、或执行时加了 --upgrade 参数。
- 检查是否误用了
pip install --upgrade -r requirements.txt—— 这会让 pip 忽略 ==，只认 >= - 确认没有
pyproject.toml或setup.py里声明了更高版本的依赖，它们会覆盖requirements.txt - 更稳妥的写法是加
--force-reinstall和--no-deps组合，但仅限调试；生产环境应改用pip-tools：先写requirements.in，再用pip-compile requirements.in生成带全依赖锁版本的requirements.txt
安装旧版库后 import 失败，常见报错和对应解法
不是所有旧版都兼容当前 Python 版本。比如 tensorflow==1.15.0 在 Python 3.9+ 上直接报 ModuleNotFoundError: No module named '_multiarray_umath'，这是底层 C 扩展不兼容。
-
ImportError: cannot import name 'ABC' from 'collections'→ Python 3.10+ 移除了collections.ABC，旧库没适配；降级到 Python 3.9 或找 fork 修复版 -
AttributeError: module 'lib' has no attribute 'X509_up_ref'→ OpenSSL 版本太高（如 3.x），旧版cryptography或pyOpenSSL不支持；用pip install cryptography==38.0.4（最后一个支持 OpenSSL 1.1.x 的版本） - 不确定兼容性？查 PyPI 页面的
Requires: Python >=3.7,<3.10字段，或看项目 GitHub 的.github/workflows/test.yml里跑的是哪些 Python 版本
conda 安装旧版 vs pip 安装旧版，选哪个？
如果你装的是科学计算、机器学习类库（numpy、scipy、pytorch），conda 是更稳的选择。它把二进制包、编译器、BLAS 实现都打包在一起，pip 单纯装 wheel 很容易因系统级依赖不匹配而崩溃。
立即学习“Python免费学习笔记（深入）”；
- conda 安装旧版：直接
conda install numpy=1.21.6，它会自动换源、降级依赖、甚至切 channel（比如加-c conda-forge） - 但 conda 对纯 Python 库（如
click、pydantic）更新慢，有些旧版压根没收录；这时退回 pip，但务必加--no-cache-dir避免 pip 用本地缓存的不兼容 wheel - 混合使用有风险：conda 环境里混用 pip 安装，可能导致
conda list和pip list显示不同版本；真要混用，先conda install pip，再用 conda 自带的 pip
最麻烦的不是装不上，而是装上了但某个深层依赖偷偷升级了——比如你锁死 pandas==1.3.5，但它依赖的 pytz 被另一个包拉到了 2023 版，结果时区处理出错。这种隐式升级，得靠 pip freeze > lock.txt 之后人工核对，或者直接上 pip-tools 或 poetry。
