La Guerra de los Entornos: Pip, Conda y Arqueología Digital en IA

Si instalo paquetes con pip, no me deja hacer una «instantánea» del entorno. Tengo que instalarlos con… ¿qué era? Esta es la confusión inicial que nos lleva a entender mejor cómo funcionan los gestores de paquetes en el desarrollo moderno.

Pip y Conda: Una relación tensa

Sí, ese es uno de los puntos medio molestos de los entornos. Si instalas cosas con pip dentro de un env de Conda, Conda no siempre puede reconstruir exactamente el entorno después, porque pip mete paquetes «por fuera» de la resolución de dependencias nativa.

La forma clásica de exportar es conda env export > environment.yml, pero eso funciona mejor cuando todo fue instalado con conda. Si usaste pip, el export incluye una sección pip: dentro del YAML, pero puede quedar incompleta o romperse en otra máquina.

Aquí es donde entra la herramienta que probablemente recuerdas: mamba. Mamba hace lo mismo que Conda pero muchísimo más rápido resolviendo dependencias. Hoy mucha gente usa directamente micromamba en vez de Conda completo para evitar estos problemas de lentitud y compatibilidad.

El flujo híbrido pragmático

En la práctica moderna para IA, el ecosistema es demasiado caótico como para confiar solo en una herramienta. El flujo limpio suele ser usar conda install para las bases como Python o CUDA, y solo usar pip install cuando el paquete no existe en Conda o la versión está vieja.

Esto implica guardar dos archivos: un environment.yml para la base del entorno y un requirements.txt para las librerías extras de pip. Sin embargo, hay que tener cuidado con los requisitos simples.

Muchos requirements.txt viejos dicen cosas genéricas como solo el nombre del paquete, o versiones demasiado amplias. Si quieres archivar un entorno funcional de verdad, necesitas congelar las versiones exactas usando algo como pip freeze > requirements_locked.txt. Eso genera una lista con versiones específicas que es mucho más reproducible.

Arqueología digital vs. Progreso rápido

Aquí surge la tensión cultural en el mundo del software de IA. Hay una cultura fuerte de «todo avanza demasiado rápido», donde muchos proyectos asumen que vivirán unas semanas o meses y no piensan en reproducibilidad a largo plazo.

Por otro lado, hay otra gente —más archivista— que piensa: «si hoy logré un pipeline perfecto, quiero poder correrlo intacto dentro de cinco años». Esta división es muy visible en comunidades como las de ComfyUI, donde descubres que una versión antigua generaba manos mejores o tenía una textura especial que el modelo nuevo no tiene.

La estrategia sensata para preservación suele terminar siendo guardar el entorno completo (venv o Conda), los archivos congelados y hasta snapshots del sistema operativo. Reconstruir un entorno viejo puede pasar de «5 minutos» a «dos días peleando con CUDA», por lo que guardar el fósil digital es casi una forma de autocuidado tecnológico.