从 pip 乱装到 uv 统管：一个 Python 开发者的包管理血泪史

我第一次用 Python 的时候，完全不知道什么叫"环境管理"。

pip install numpy，装好了。pip install pandas，装好了。pip install flask，也装好了。感觉一切都很美好，直到某天运行一个旧项目，报错说某个包版本不对，改了版本又把另一个项目搞崩了——两个项目死活不能同时好用。

那时候我就在想：Maven 不是这样的，pnpm 也不是这样的，为什么 Python 这么难用？

◆ ◆ ◆

第一关：全局污染

刚学 Python 的人几乎都会犯同一个错误：直接 pip install，往全局环境装包。

这没什么问题，直到你同时维护多个项目。

项目 A 需要 requests 2.28，项目 B 需要 requests 2.31，全局只能装一个版本，装了新的旧项目报错，装了旧的新项目报错。版本依赖冲突这个坑，几乎每个 Python 新手都会踩。

不只是项目之间，工具之间也会打架。black、ruff、poetry 这些开发工具，底层也依赖各种包，全装在同一个全局环境里，版本一冲突，有时候工具自己就运行不了。

Java 用 Maven，每个项目有自己的 pom.xml，依赖隔离。Node.js 用 npm/pnpm，node_modules 在项目目录里，互不干扰。 为什么 Python 要这么搞？

其实 Python 也有解决方案，只是很多人不知道——那就是 venv。

◆ ◆ ◆

第二关：venv 解决了项目冲突，工具还是一锅粥

python -m venv .venv 一行命令，在项目目录下创建一个独立的 Python 环境。每个项目用自己的 venv，包版本互相隔离，项目之间的冲突问题基本解决了。

但工具类的问题还没完全解决。black、ruff 这些开发工具，你还是得往某个环境里装，装在全局里又回到了冲突的老路，装在每个项目的 venv 里又嫌麻烦——每个项目都要装一遍，而且工具本来是"给人用的"，不该绑死在某个项目里。

这时候 pipx 出现了，思路很巧：给每个命令行工具单独创建一个隔离的 venv，工具在自己的小房间里互不打扰，同时把可执行文件注册到系统 PATH，终端里直接调用。

工具之间的包冲突就这样解决了。

直到开始做 AI 开发，新的问题来了。

◆ ◆ ◆

第三关：每个环境都要重复下载 torch，硬盘告急

第一次在项目里装 PyTorch，等了十几分钟，2.几个 GB 下载完，pip install 完成。

第二个 AI 项目，再装 PyTorch，又等了十几分钟。

第三个、第四个……每个 venv 都要单独装一次 PyTorch，每次都是近 3G 的包，每个 venv 占十几个 G，硬盘很快就见底了。

pipx 的隔离 venv 解决了工具冲突，但本质上还是"每个环境各自存一份包"。项目 venv 是这样，pipx 的工具 venv 也是这样，同样的文件在硬盘上存了十几份，没有任何复用。

做 AI 开发的人应该都经历过这种痛苦：光是 torch + torchvision + torchaudio，一套下来就要 35G，10 个项目就是 3050G 白白浪费在重复的文件上。

◆ ◆ ◆

终局：uv 才是真正的答案

后来接触到 uv，用了之后就再也回不去了。

uv 是用 Rust 写的 Python 包管理工具，速度极快（比 pip 快 10~100 倍），但速度还不是它最让我惊喜的地方。

真正让我眼前一亮的是它的全局缓存 + 硬链接机制。

装过一次的包，下次再装直接从缓存里读，不下载、不复制，而是用硬链接。硬链接意味着同一份文件在文件系统里被多个位置"共享引用"，不占额外空间。

十个项目都用 torch？全局缓存里只有一份 torch，10 个项目的 venv 里都通过硬链接指向同一份文件，磁盘占用从 30G 变成 3G。

这才是我一直想要的，和 pnpm 的 store 机制一模一样的思路。而且 uv 把 venv、工具管理、Python 版本管理全部统一进来了，不再需要 venv + pipx 两套工具拼凑。

◆ ◆ ◆

uv 的使用方式

第一步：安装 uv

uv 本身是独立的 Rust 二进制，不依赖系统已有的 Python 或 pip，直接一行安装：

# Windows PowerShellirm https://astral.sh/uv/install.ps1 | iex# macOS / Linuxcurl -LsSf https://astral.sh/uv/install.sh | sh

装完验证一下：uv --version，出现版本号就好了。

第二步：用 uv 管理 Python 版本

以前装多个 Python 版本，要么去官网手动下载，要么用 pyenv（Windows 上还不太好用）。uv 直接内置了 Python 版本管理：

# 安装指定版本uv python install 3.11uv python install 3.12# 查看所有已安装版本uv python list

系统里不需要提前装任何 Python，uv 自己全管了。

第三步：创建项目环境

# 创建虚拟环境（默认用已有 Python，没有会自动下载）uv venv# 指定版本uv venv --python 3.11# 安装依赖uv add torch numpy pandas# 从 requirements.txt 安装uv pip install -r requirements.txt

‣ 不需要手动激活 venv

原生 venv 最繁琐的一步就是每次都要 source .venv/bin/activate 或者 Windows 下执行激活脚本，忘了就报"找不到包"。

uv 的所有命令会自动检测当前目录下的 .venv，不需要手动激活：

# 直接运行，uv 自动找到并使用 .venvuv run python main.pyuv run pytestuv run jupyter notebook

当然你也可以手动激活，进入激活状态后 python、pip 等命令也照常工作，和原生 venv 完全兼容。

uv tool：统一管理全局工具

uv tool 是内置的工具管理功能，完全替代 pipx，同样是隔离 venv 安装，同样全局可调用，但共享 uv 的全局缓存：

# 安装工具（最新版）uv tool install blackuv tool install ruff# 安装指定版本uv tool install "ruff>=0.3,<0.4"# 查看已安装的工具uv tool list# 升级uv tool upgrade ruffuv tool upgrade --all

安装了某个工具之后，如果某次需要临时用一个不同版本，可以用 @ 语法指定，不会影响已安装的版本：

# 用已安装的版本ruff check .# 临时用特定版本运行（不影响已安装版本）uvx ruff@0.3.0 check .uvx ruff@latest check .

uvx：临时运行，用完即走

uvx 是 uv tool run 的简写，不需要提前安装工具，直接运行，非常适合偶尔用一次的场景：

uvx black .           # 临时跑一次 blackuvx ruff check .      # 临时跑一次 ruffuvx pytest            # 临时跑测试

如果包名和命令名不一样，用 --from 指定：

uvx --from httpie http GET https://example.com

◆ ◆ ◆

一点感慨

用 Python 这几年，包管理的演进路径大概是这样的：

pip 全局安装 → 版本冲突 → 发现 venv，项目隔离了 → 工具还是互相污染 → 发现 pipx，工具也隔离了 → 开始 AI 开发，每个 venv 重复存 torch，硬盘告急 → 发现 uv，全局缓存硬链接，终于和 maven/pnpm 一样舒服了

中间走了很多弯路。其实如果一开始就用 uv，很多坑根本不用踩——从一开始就安装 uv，让 uv 来管 Python 版本，创建项目 venv，安装管理工具，全部由一个工具统管，干净利落。

如果你还在用原生 pip，或者正在为 torch 重复下载烦恼，建议现在就去试试 uv。

◆ ◆ ◆

uv 官方文档：https://docs.astral.sh/uv

次条附 uv 速查表，收藏备用。