Python 生态系统中的包管理工具种类繁多，从经典的 pip 到强大的 conda，再到新兴的 pixi，开发者总在寻找更高效、更可靠的解决方案。近年来，一款名为 uv 的工具异军突起，凭借其惊人的速度和现代化设计，正逐渐成为 Python 包安装和依赖解析领域的新宠。我们强烈建议您从 2025 年开始，将 uv 作为您 Python 项目的首选工具。

---

为什么选择 uv？速度是硬道理！

uv 是一款专门针对 Python 的工具，其核心目标是实现超快的依赖解析和包安装。在性能方面，uv 展现出压倒性优势：

• pip install <pkg> 比 conda install <pkg> 快 2-10 倍。

• uv pip install <pkg> 比 pip install <pkg> 快 5-10 倍。

• 原生的 uv 命令（如 uv add）比 uv pip 接口更快（快 2-5 倍），因为它开销更少，且无需处理 PyPy 包依赖管理的遗留支持。

这种速度提升并非无足轻重。在日常开发、CI/CD 流水线或大型项目依赖安装中，时间的节省能显著提升开发效率。

之所以建议从 2025 年开始广泛使用 uv，是因为uv 将在 Python 社区中获得更广泛的采纳，其功能会更加稳定和完善。随着用户基数的扩大，相关的文档、社区支持和集成方案也将更加成熟，使其在生产环境中的应用更加稳健可靠。

---

uv 与其他工具的对比选择

在 Python 包管理领域，了解 pip、conda 和 pixi 等工具的特点，能帮助您做出最佳选择。

特性/工具	uv	pip	conda	pixi
主要功能	Python 包安装与依赖解析（专注于速度）	Python 包安装	跨平台、多语言包与环境管理	现代、多语言包与环境管理
速度	极快：uv pip install 快数倍，uv add 更快	较慢	最慢（依赖解析和安装）	较快：底层使用 uv add
语言支持	仅限 Python	仅限 Python	多语言（Python, R, Julia 等）	多语言（类似于 conda）
依赖解析	高效	相对较慢	全面（处理非 Python 依赖）	全面（处理多语言依赖）
环境管理	虚拟环境（uv venv）	虚拟环境（python -m venv）	Conda 环境	pixi 环境（声明式）
适用场景	追求极致速度的 Python 项目；替代 pip 和部分 conda 功能	传统的 Python 包安装	复杂环境，需管理非 Python 依赖或多语言项目	追求现代、声明式、多语言环境管理
Windows 推荐	普遍适用，但若 pyproject.toml 出现问题，可考虑 pixi	普遍适用	普遍适用	推荐：当 uv 遇到 pyproject.toml 依赖问题时
底层实现	Rust 编写，高性能	Python 编写	C++ 编写，通过二进制包管理	Rust 编写，底层使用 uv add

---

Python 版本推荐

为了获得最佳兼容性和性能，建议您安装 Python 3.10 或更高版本。考虑到 PyTorch 等库的兼容性，推荐安装比最新发布版本至少旧 1-3 个版本的 Python。例如，如果最新是 Python 3.13，那么 3.10、3.11 或 3.12 是更稳妥的选择。您可以通过 python --version 或 python3 --version 命令检查当前 Python 版本。

---

本地环境设置与包管理实践

在本地机器上，uv 提供了一套高效的 Python 环境和包管理流程：

1. 准备工作：安装 Python

强烈建议手动安装 Python，以避免与操作系统内置 Python 冲突。您可以从 python.org 下载适合您操作系统的安装器。

2. 第一步：安装 uv

uv 可以根据您的操作系统进行安装：

• macOS 和 Linux: 通过 curl 或 brew 进行安装。

  Bash

  # 使用 curl
  curl -LsSf https://astral.sh/uv/install.sh | sh
  
  # 或者使用 brew (如果已安装 Homebrew)
  brew install uv
  

• Windows: 参照官方文档进行安装。通常可以通过 pip 或下载预编译的二进制文件。

  Bash

  # 如果您已经安装了 pip，可以使用 pip 安装 uv
  pip install uv

3. 第二步：创建并激活虚拟环境

强烈建议在独立的虚拟环境中安装Python包，以避免修改操作系统可能依赖的系统范围包。

1. 创建虚拟环境：在您希望的项目文件夹中，运行 uv venv 或 uv venv .venv。uv sync 命令也会在 .venv 子文件夹中创建一个独立的虚拟环境。

   Bash

   uv venv
   # 或
   uv venv .venv
   

2. 激活虚拟环境：

   • macOS/Linux：

     Bash

     source .venv/bin/activate
     

   • Windows：

     PowerShell

     .venv\Scripts\activate
     # 或者在某些 shell 中
     source .venv/Scripts/activate
     

   • 请注意，每次启动新的终端会话时都需要激活虚拟环境。

3. 停用环境：您可以通过运行 deactivate 命令来停用环境。

   Bash

   deactivate
   

4. 删除虚拟环境：如果您想从头开始删除虚拟环境，只需删除 .venv 文件夹即可。

   Bash

   rm -rf .venv  # macOS/Linux
   rmdir /s /q .venv # Windows

4. 第三步：使用 uv 进行包管理

激活虚拟环境后，您可以使用 uv 来安装、卸载和管理Python包：

• 安装所有必需的包：

  • 从 requirements.txt 文件安装：

    Bash

    uv pip install -r requirements.txt
    

  • 直接从 GitHub URL 安装：

    Bash

    uv pip install -r https://raw.githubusercontent.com/rasbt/LLMs-from-scratch/refs/heads/main/requirements.txt
    

  • 使用原生 uv 命令从 pyproject.toml 安装：运行 uv sync 命令。如果您的系统上没有 Python 3.11，uv 将为您下载并安装它。

    Bash

    uv sync
    

• 安装新包：

  • 使用 uv pip install <包名>：

    Bash

    uv pip install requests
    

  • 使用原生 uv 命令：uv add <包名>。这会将包添加到 pyproject.toml 中。

    Bash

    uv add numpy
    

• 卸载包：

  • 使用原生 uv 命令：uv remove <包名>。

    Bash

    uv remove requests
    

• 重新安装包：如果遇到特定包的问题，可以尝试使用 uv pip install --force-reinstall <包名> 重新安装。

  Bash

  uv pip install --force-reinstall some-package
  

• 回退选项：如果 uv 命令因某些依赖项而出现问题（例如在使用 Windows 时），您可以随时回退到使用常规 pip 命令：

  Bash

  pip install -r requirements.txt
  # 或
  pip install -U -r https://raw.githubusercontent.com/rasbt/LLMs-from-scratch/refs/heads/main/requirements.txt

---

运行代码及 JupyterLab

环境设置完成后，您可以开始运行代码和使用JupyterLab：

• 启动 JupyterLab：可以通过 uv run jupyter lab 命令启动 JupyterLab 实例。

  Bash

  uv run jupyter lab
  

• 跳过 uv run 命令：如果您觉得输入 uv run 繁琐，可以手动激活虚拟环境，然后直接运行脚本或启动 JupyterLab。例如，在 Linux/macOS 上：

  Bash

  source .venv/bin/activate
  jupyter lab
  

• 故障排除：如果 jupyter lab 命令出现问题，可以使用虚拟环境内的完整路径启动，例如 .venv/bin/jupyter lab (Linux/macOS) 或 .venv\Scripts\jupyter-lab (Windows)。

---

uv 的未来展望

作为 Python 包管理领域的新生力量，uv 的未来充满潜力。它不仅解决了现有工具在速度和效率上的痛点，更预示着 Python 基础设施未来发展的方向：

• 更深度的集成与生态系统完善： 随着 uv 社区的壮大，我们预计它将与更多现有的 Python 工具链、IDE（如 VS Code）和 CI/CD 平台进行深度集成，提供更加无缝的开发体验。

• 功能集的持续扩展： 尽管目前 uv 主要聚焦于包安装和依赖解析，但未来可能会看到其功能集向更全面的项目管理方向发展，例如更智能的环境同步、缓存管理甚至构建系统集成。

• 推动 Python 社区标准演进： uv 的高性能和优秀设计可能会对未来的 Python 打包和分发标准产生积极影响，促使整个生态系统向更高效、更现代化的方向发展。

• 作为 Rust 赋能 Python 的典范： uv 的成功也再次证明了 Rust 语言在构建高性能、安全基础设施方面的强大能力。未来，我们可能会看到更多由 Rust 驱动的 Python 工具出现，共同提升 Python 生态系统的整体性能和健壮性。

uv 的出现为 Python 开发者带来了前所未有的速度和便利。希望这篇指南能帮助您全面了解 uv 的优势，并将其应用到您的下一个项目中，开启更高效、更愉快的 Python 开发之旅！