当前位置:首页>python>【小技术分享】python 包管理:uv

【小技术分享】python 包管理:uv

  • 2026-09-14 18:48:07
【小技术分享】python 包管理:uv

分享一个 Python 包管理器:uv

写在前面

如果你用 Python 有一段时间,下面的场景应该不陌生:

  • • pip install 一个大点的库,风扇转半天还卡在 "Collecting ...";
  • • 换台机器部署,同一个 requirements.txt 装出来的环境却跑不起来;
  • • 项目 A 要 Python 3.10,项目 B 要 3.13,切来切去一团乱;
  • • 装个 pip,装个 venv,再装个 pyenv,再来个 pipx……工具多到记不住。

这篇文章要介绍的 uv,就是冲着解决这些问题来的。


一、uv 是什么

一句话:uv 是一个用 Rust 写的 Python 包管理工具,一个命令替代 pip + venv + pyenv + pipx 等一堆工具。

它由 Astral(做 Ruff 那家公司)开发,目标是成为 Python 界的 "Cargo"——像 Rust 的 Cargo 那样,装版本、建环境、管依赖、打包发布,一把梭。

二、为什么要用 uv

对新手来说,记住三点就够了:

1. 快。 安装依赖比 pip 快 10–100 倍。原来要等一两分钟的事,现在几秒钟搞定。

2. 省心。 一个工具就够了,不用再去研究 pip、venv、pyenv 各自怎么用、怎么配合。

3. 环境可复现。 它会生成一个 uv.lock 文件,锁定所有依赖的精确版本,保证你和同事、本地和服务器装出来的环境完全一致——再也不会出现"我这能跑你那不能跑"的情况。

三、什么时候用得上

  • • 新建一个 Python 项目;
  • • 团队协作,需要保证大家环境一致;
  • • CI/CD 里装依赖太慢,想提速;
  • • 管理多个 Python 版本;
  • • 写一个带依赖的小脚本想分享给别人。

四、从零开发一个项目:完整实战

下面用一个具体的小项目——抓取 GitHub 仓库 star 数的命令行工具——把 uv 的典型工作流走一遍。每一步我都会解释"做了什么"和"为什么这么做"。

步骤 0:安装 uv

macOS / Linux:

curl -LsSf https://astral.sh/uv/install.sh | sh

Windows (PowerShell):

powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

为什么这样装:官方推荐的独立安装脚本会把 uv 二进制放到 ~/.local/bin/,这样 uv 完全独立于任何一个 Python 环境存在。这是它"不依赖 Python 也能管理 Python"的根本前提——如果你用 pip install uv 装它,就又陷入"先要有 Python 才能管 Python"的循环了。

验证安装:

uv --version

步骤 1:初始化项目

uv init github-stars
cd
 github-stars

执行后目录结构如下:

github-stars/
├── .gitignore
├── .python-version
├── README.md
├── main.py
└── pyproject.toml

每个文件的作用:

  • • pyproject.toml:项目的单一信息源,遵循 PEP 621,声明项目名、版本、依赖、构建后端等所有元数据;
  • • .python-version:锁定项目使用的 Python 版本,uv 运行任何命令时都会读取它来选择解释器;
  • • .gitignore:自动生成,已经把 .venv/、__pycache__/ 等都排除好了;
  • • main.py:入口示例文件。

为什么不是手动创建:uv init 帮你一次性搭好符合现代 Python 打包规范的骨架。手动写 pyproject.toml 很容易漏掉关键字段(比如 build-system),导致后续打包出问题。

步骤 2:指定(或安装)Python 版本

uv python install 3.13
uv python pin 3.13

做了什么:第一条命令下载 CPython 3.13 到 uv 的管理目录(macOS 上在 ~/.local/share/uv/python/);第二条命令把版本号写入 .python-version。

为什么这么做:

  • • 不污染系统 Python:uv 管理的解释器和系统里的 python3 完全隔离;
  • • 团队一致性:.python-version 提交到 Git 后,同事 uv sync 时如果本机没有 3.13,uv 会自动下载,不需要他再去研究 pyenv;
  • • 可审计:某一天某个库要求最低 Python 3.12,你在 .python-version 里改一行就完事,不用重建整个环境。

步骤 3:添加项目依赖

我们这个工具要用到 httpx 发请求、rich 美化输出、click 做 CLI:

uv add httpx rich click

你会看到输出里 uv 做了几件事:

  1. 1. 自动创建 .venv/ 虚拟环境(如果还没有);
  2. 2. 解析依赖并下载到全局缓存;
  3. 3. 把解析结果写入 uv.lock;
  4. 4. 把声明写入 pyproject.toml 的 [project].dependencies;
  5. 5. 把包硬链接(不是复制)到 .venv/ 里。

为什么是 uv add 而不是 pip install:

  • • pip install 只做安装,不更新 pyproject.toml,你还得手动同步依赖声明;
  • • uv add 是声明式的:你告诉它"这个项目需要这些依赖",它负责解析、记录、安装、锁定一条龙。这个思路和 Cargo 的 cargo add、npm 的 npm install --save 是一致的。

再加一个开发期才用的工具(比如测试框架):

uv add --dev pytest

--dev 标志会把它放到 [dependency-groups].dev 下,发布时不会带上,但本地开发和 CI 能用到。

步骤 4:写代码

把 main.py 换成一个真正的小工具(简化版,便于说明流程):

import click
import
 httpx
from
 rich.console import Console
from
 rich.table import Table

console = Console()


@click.command()

@click.argument("repos", nargs=-1, required=True)

def
 main(repos: tuple[str, ...]) -> None:
    """查询一个或多个 GitHub 仓库的 star 数,格式:owner/repo"""

    table = Table(title="GitHub Stars")
    table.add_column("Repository", style="cyan")
    table.add_column("Stars", justify="right", style="green")

    with
 httpx.Client(timeout=10.0) as client:
        for
 repo in repos:
            resp = client.get(f"https://api.github.com/repos/{repo}")
            if
 resp.status_code == 200:
                table.add_row(repo, f"{resp.json()['stargazers_count']:,}")
            else
:
                table.add_row(repo, "[red]N/A[/red]")

    console.print(table)


if
 __name__ == "__main__":
    main()

步骤 5:运行代码

uv run main.py astral-sh/uv astral-sh/ruff

uv run 做了什么:

  1. 1. 检查 .venv/ 是否存在且和 uv.lock 一致,如果不一致会自动同步;
  2. 2. 在虚拟环境内执行命令,但不需要你手动 source .venv/bin/activate;
  3. 3. 结束后环境依然在那里,下次调用无需重启。

为什么这是个大进步:传统流程是 source .venv/bin/activate && python main.py,切到别的项目前还要 deactivate。uv run 把激活/退出完全隐藏了,你只需要关心"我要跑什么",不用关心"当前 shell 处于什么状态"。CI 脚本也因此变得更短、更不容易出错。

步骤 6:查看依赖树

uv tree

会打印出完整的依赖树,包括间接依赖。调试"为什么装了这个奇怪的包"时非常有用。

步骤 7:锁定与同步

把项目推到 Git 后,同事 clone 下来:

git clone <repo>
cd
 github-stars
uv sync

uv sync 做的事:

  1. 1. 读取 .python-version,必要时自动下载对应 Python 版本;
  2. 2. 读取 uv.lock,按锁文件里精确到 hash 的版本还原环境;
  3. 3. 创建 .venv/ 并安装所有依赖。

为什么要提交 uv.lock:它是可复现构建的保证。pyproject.toml 里写的是"我要 httpx >= 0.27"这种范围约束,而 uv.lock 记录的是"我们实际用的是 httpx 0.28.1,它依赖 anyio 4.4.0..."这种精确快照。提交锁文件,CI 和同事的环境就和你严格一致。

在 CI 里建议用更严格的 --frozen:

uv sync --frozen

这会拒绝任何偏离锁文件的情况,如果 pyproject.toml 和 uv.lock 不一致会直接报错,防止"改了依赖但忘了提交锁文件"的事故。

步骤 8:升级依赖

uv lock --upgrade-package httpx

只升级指定的包;要全量升级则用 uv lock --upgrade。升级后记得 uv sync 让本地环境跟上。

为什么不用 pip install -U:pip install -U 会直接装到环境里,但不会告诉你"这次升级同时带起来了哪些间接依赖变更"。uv 的做法是先更新锁文件再同步,升级过程完全透明、可审查,你可以 git diff uv.lock 看到所有变化。

步骤 9:构建与发布

如果要把这个工具发到 PyPI:

uv build
uv publish
  • • uv build 生成 dist/ 下的 wheel 和 sdist;
  • • uv publish 上传到 PyPI(需要配置 token)。

为什么这很爽:以前要 pip install build twine,然后 python -m build、twine upload dist/*。现在一个 uv 搞定,不需要额外装工具。

步骤 10(额外):单文件脚本模式

如果你的需求小到"就是一个脚本",连项目目录都懒得建,可以用 PEP 723 内联依赖:

新建 quick.py:

# /// script
# requires-python = ">=3.12"

# dependencies = ["httpx", "rich"]

# ///

import
 httpx
from
 rich import print

print
(httpx.get("https://api.github.com/repos/astral-sh/uv").json()["stargazers_count"])

执行:

uv run quick.py

uv 会读取文件头里的元数据,临时创建一个隔离环境把依赖装进去再执行。脚本跑完环境进入缓存,下次再跑直接复用。

这解决了什么痛点:以前分享一个 Python 小脚本给别人,还要附一句"先 pip install 这几个包"。现在脚本自己就包含依赖声明,对方只要有 uv,uv run script.py 就够了。


五、常用命令速查

目的
命令
初始化项目
uv init <n>
安装 Python 版本
uv python install 3.13
固定项目 Python 版本
uv python pin 3.13
添加依赖
uv add <pkg>
添加开发依赖
uv add --dev <pkg>
移除依赖
uv remove <pkg>
运行命令
uv run <cmd>
同步环境
uv sync
CI 严格同步
uv sync --frozen
查看依赖树
uv tree
升级锁文件
uv lock --upgrade
全局安装 CLI 工具
uv tool install ruff
临时运行 CLI 工具
uvx ruff check
构建发布物
uv build
发布到 PyPI
uv publish
pip 兼容接口
uv pip install/freeze/...

六、迁移建议与小结

对已有项目,我的迁移路径推荐是:

  1. 1. 第一阶段:先用 uv pip 替代 pip,零成本感受速度提升;
  2. 2. 第二阶段:用 uv init 在新分支上重建项目,把 requirements.txt 里的依赖用 uv add 重新声明,生成 pyproject.toml 和 uv.lock;
  3. 3. 第三阶段:CI 改成 uv sync --frozen,团队统一切换。

uv 不是"又一个包管理器",它更像是 Python 生态打包这个问题被重新严肃思考之后的一个答案。速度只是表象,一个工具搞定所有事带来的心智负担减轻才是真正的价值,值得你花一个下午迁移过去试试。


参考链接

  • • 官方文档:https://docs.astral.sh/uv/
  • • GitHub 仓库:https://github.com/astral-sh/uv
  • • Astral 博客(uv 发布文):https://astral.sh/blog/uv
  • • PEP 621(项目元数据):https://peps.python.org/pep-0621/
  • • PEP 723(脚本内联元数据):https://peps.python.org/pep-0723/

最新文章

随机文章