我从事一个Python项目，在一个地方调用Julia的代码，在其他地方使用OpenCV。
不幸的是，pyJulia更喜欢Python解释器动态链接到libpython。(我知道我可以构建一个自定义的 Julia 系统映像，但是当我想从 Python 测试我的 Julia 代码的开发版本时，我担心构建会延迟。
到目前为止，有效的方法是使用Spack而不是Conda。由Spack构建的Python有一个共享libpython，Spack的存储库确实包括最近的opencv。
不幸的是，与Conda相反，Spack是围绕编译所有内容的范式设计的，而不是下载二进制文件。opencv的安装时间远远超过 1 小时，这对于开发环境中的一次性安装来说几乎是不可接受的，但对于构建 Docker 映像来说却令人沮丧。
所以我有一个想法：也许可以将我自己的Python与Conda生态系统的其余部分集成？
这不是一个完整的解决方案，但 Spack 确实支持二进制包，以及 GitLab 构建管道来并行构建它们并保持更新。 它(目前(没有的是公共二进制镜像，因此您可以从预先存在的构建中非常快速地安装这些东西。 这是在酝酿中。
因此，如果您喜欢 Spack 方法，则可以为开发环境设置自己的二进制缓存和自动生成。
我不确定康达的解决方案是什么。你可以制作自己的 conda-forge 包，但我认为如果你偏离标准包，你最终可能会重新实现很多包来支持你的用例。 另一方面，他们可能会接受补丁以使您的特定配置正常工作。