如何在VSCode中预加载Python包？解决网络Conda环境加载慢问题

针对网络数据卷IO延迟引发的VSCode Python语言服务（Pylance等）响应慢问题，以下是几个可行的预加载/优化方案：

1. 本地缓存核心数据，减少网络IO依赖 #

VSCode的Python语言服务和Conda本身都会频繁读取包元数据、缓存文件，把这些缓存移到本地磁盘能大幅提升速度：

• 配置Pylance缓存目录到本地：在VSCode的settings.json中添加：

  "python.analysis.cacheFolder": "/本地磁盘路径/.vscode/pylance-cache"
  

• 修改Conda包缓存路径，优先用本地存储：编辑用户目录下的.condarc文件，添加：

  pkgs_dirs:
    - /本地磁盘路径/conda-pkgs
    - /网络数据卷路径/conda/env/pkgs
  

  这样Conda会优先从本地缓存读取已下载的包，避免重复从网络卷读取。

2. 预生成包类型提示文件（Stub Files） #

很多第三方包没有自带类型提示，Pylance会实时解析包代码生成提示，这在网络卷上会非常慢。提前预生成stub文件存本地：

• 安装stub生成工具：pip install mypy（stubgen是mypy的内置工具）
• 为常用包生成stub：

  stubgen -o /本地磁盘路径/python-stubs 包名1 包名2
  

• 在VSCode中指定stub路径：

  "python.analysis.stubPath": "/本地磁盘路径/python-stubs"
  

  后续Pylance会直接读取本地预生成的stub，无需实时解析网络卷上的包代码。

3. 精简语言服务扫描范围，关闭不必要特性 #

减少语言服务对网络卷的扫描频次和范围：

• 关闭自动搜索路径，手动指定常用包路径：

  "python.analysis.autoSearchPaths": false,
  "python.analysis.extraPaths": [
    "/网络数据卷路径/conda/env/lib/pythonX.X/site-packages/requests",
    "/网络数据卷路径/conda/env/lib/pythonX.X/site-packages/pandas"
  ]
  

  只添加你实际用到的包路径，避免全量扫描site-packages。
• 降低类型检查强度：

  "python.analysis.typeCheckingMode": "basic"
  

  若不需要严格类型检查，可设为"off"进一步提速。
• 仅对打开的文件做诊断：

  "python.analysis.diagnosticMode": "openFilesOnly"
  

4. 本地镜像Conda环境，分离代码与环境 #

把常用环境在本地磁盘做镜像，仅将项目代码放在网络卷共享：

• 导出网络卷上的环境配置：

  conda env export > environment.yml
  

• 在本地创建镜像环境：

  conda env create -f environment.yml
  

• VSCode切换到本地环境，项目代码仍挂载网络卷。这样语言服务访问本地环境的包，速度不受网络卷影响；需要跨Docker平台共享时，只需同步environment.yml重新创建环境即可。

内容的提问来源于stack exchange，提问作者局部电流