拥抱未来：下一代 Python 打包工具 uv 使用指南

AI大模型-海文

于 2025-07-18 21:07:50 发布

阅读量685

点赞数 28

CC 4.0 BY-SA版权

文章标签： python uv 开发语言产品经理人工智能前端 ai

本文链接：https://blog.csdn.net/HUANGXIN9898/article/details/149453204

在 Python 的世界里，包管理工具一直是开发者生态中至关重要的一环。从 pip、venv 到 conda、Poetry，再到 PDM，可谓百家争鸣。然而，一个名为 uv 的新星正以其惊人的速度和创新的设计理念，迅速吸引了整个 Python 社区的目光。本文将作为一份全面的使用说明，带你深入了解 uv，从安装到日常使用，并阐述为何它可能成为你下一个 Python 项目的首选。

什么是 uv？为何选择它？

uv 是一个用 Rust 编写的、速度极快的 Python 包和项目管理器。它由 Ruff（一个广受欢迎的 Python Linter）的创建者 Astral 公司开发。uv 的设计目标是成为 pip、pip-tools、venv 和 virtualenv 的直接替代品，并提供一个统一、快速且易于使用的工具链。

选择 uv 的理由和突出亮点：

⚡️ 极致的速度： 这是 uv 最引人注目的特点。得益于 Rust 的高性能和先进的依赖解析算法，uv 的包安装和解析速度比 pip和 conda 快 10-100 倍。对于大型项目或在 CI/CD 环境中，这将极大地缩短等待时间。
📦 一体化工具链： uv 将包安装、依赖解析、虚拟环境管理等功能集于一身。你不再需要在 pip、venv、pip-tools 之间切换，一个 uv 命令即可满足大部分日常需求，显著简化工作流程。
** seamlessly Drop-in Replacement😗* uv 在设计上与 pip 的命令和 requirements.txt 文件格式高度兼容。这意味着你可以将现有的项目平滑地迁移到 uv，而无需进行大量修改。uv pip install -r requirements.txt 这样的命令可以无缝工作。
🔩 高效的缓存机制： uv 采用全局缓存策略，避免了重复下载和构建相同的包，从而节省了磁盘空间和网络带宽，并进一步提升了安装速度。
跨平台支持: uv 是一个独立的二进制文件，不依赖于系统安装的 Python 版本，可以在 macOS, Linux, 和 Windows上轻松安装和使用。
现代化的项目管理: uv 支持 pyproject.toml 标准，可以像 Poetry 或 PDM 一样管理项目元数据和依赖关系，但速度更快。

安装 uv

安装 uv 非常简单，因为它是一个独立的二进制文件。

在 macOS 和 Linux 上:

你可以使用 curl 或 wget 来下载并执行安装脚本：

Bash

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

在 Windows 上:

打开 PowerShell (建议以管理员身份) 并运行以下命令：

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

你也可以通过包管理器如 Homebrew, pipx 或 cargo 来安装：

# Homebrew (macOS/Linux)
brew install uv

# pipx
pipx install uv

# cargo
cargo install uv

安装完成后，通过以下命令验证安装是否成功：

uv --version

使用 uv 管理 Python 项目

让我们通过一个实例项目来看看如何使用 uv 进行高效的 Python 项目管理。

1. 初始化项目和创建虚拟环境

首先，创建一个新的项目目录：

mkdir my-fast-project
cd my-fast-project

使用 uv venv 命令可以快速创建一个虚拟环境。uv 会自动在当前目录下寻找名为 .venv 的虚拟环境，这也是推荐的做法。

# 创建一个虚拟环境
uv venv

此命令的执行速度会明显快于 python -m venv .venv。创建成功后，激活虚拟环境：

在 macOS 和 Linux 上:

source .venv/bin/activate

在 Windows 上:

.venv\Scripts\activate

2. 安装依赖

uv 提供了 uv pip 子命令，其接口与 pip 非常相似。

从 PyPI 安装单个或多个包：

# 安装最新版本的 aiohttp
uv pip install aiohttp

# 安装特定版本的 aiohttp
uv pip install aiohttp==3.9.1

# 同时安装多个包
uv pip install fastapi uvicorn

从 requirements.txt 文件安装：

如果你的项目依赖记录在 requirements.txt 文件中，可以轻松安装：
```
uv pip install -r requirements.txt
```
将依赖同步到 requirements.txt：

你可以使用 uv pip freeze 来生成已安装包的列表：
```
uv pip freeze > requirements.txt
```

3. 卸载依赖

卸载包同样简单直接：

Bash

uv pip uninstall aiohttp

4. 使用 `pyproject.toml` 进行现代化管理

对于新项目，更推荐使用 pyproject.toml 来管理依赖。uv 提供了类似 Poetry 的工作流。

初始化项目:
```
uv init
```
这将创建一个基础的 pyproject.toml 文件。

添加依赖:

使用 uv add 命令可以添加依赖，并自动将其写入 pyproject.toml。

# 添加一个生产依赖
uv add requests

# 添加一个开发依赖 (例如 ruff)
uv add --dev ruff

同步依赖:

当 pyproject.toml 文件发生变化时（例如手动编辑或 git pull 更新后），使用 uv sync 命令来安装或移除包，使其与文件中声明的依赖保持一致。
```
uv sync
```

设置镜像源

在中国大陆等地区，为了加速包的下载，通常需要将 PyPI 源更换为国内的镜像源。uv 支持通过环境变量或配置文件来设置。

通过环境变量设置 (临时):

这是最简单快捷的方式，只在当前的终端会话中有效。

# 设置清华大学 TUNA 镜像源
export UV_INDEX_URL=https://pypi.tuna.tsinghua.edu.cn/simple

设置后，当前终端中所有的 uv pip install 命令都会使用该镜像源。

通过配置文件设置 (永久):

为了让配置永久生效，你可以创建 uv 的配置文件。在你的用户主目录下的 .config/uv 目录 (如果不存在则创建) 中，新建一个 uv.toml 文件。

在 macOS 和 Linux 上: ~/.config/uv/uv.toml

在 Windows 上: %APPDATA%\uv\uv.toml

在 uv.toml 文件中添加以下内容：

index-url = "https://pypi.tuna.tsinghua.edu.cn/simple"

保存后，uv 将会默认使用此镜像源进行包的下载和安装。

环境管理

uv 不仅仅是一个包管理器，也是一个高效的虚拟环境管理器。

创建环境:

# 在当前目录创建 .venv
uv venv

# 指定 Python 版本 (uv 会尝试寻找已安装的匹配版本)
uv venv --python 3.11

# 指定环境名称
uv venv my-env

删除环境:

直接删除对应的虚拟环境目录即可。
```
rm -rf .venv
```

`uv` 与其他工具的比较

特性	uv	pip + venv	Conda	Poetry / PDM
核心优势	速度极快, 一体化	Python 内置, 广泛使用	强大的环境和非 Python 包管理	优秀的依赖解析和项目管理
性能	极高 (Rust 编写)	一般	较慢 (Python 编写)	较好 (Python 编写)
环境管理	内置且快速	`venv` / `virtualenv`	内置，功能强大	内置
依赖解析	先进，快速	基础	强大，但有时较慢	强大，符合现代标准
配置文件	`pyproject.toml`, `requirements.txt`	`requirements.txt`	`environment.yml`	`pyproject.toml`
易用性	统一命令，学习曲线低	功能分散，需要组合使用	命令复杂，功能强大	学习曲线相对陡峭

总结

uv 的出现，无疑是 Python 工具链领域的一次重大革新。它以一种“少即是多”的哲学，通过一个统一、高效的工具，解决了开发者长期以来在包管理和环境管理方面遇到的速度慢、工具分散等痛点。

对于新项目，uv 是一个极具吸引力的选择。 它能提供闪电般的开发设置体验和现代化的项目管理方式。对于现有项目，其对 pip 和 requirements.txt 的良好兼容性也使得迁移成本极低。

当然，uv 作为一个相对较新的项目，其生态和一些高级功能（如复杂的插件系统）可能还在不断完善中。但凭借其惊人的性能、出色的设计和强大的后盾 (Astral)，uv 已经证明了自己不仅仅是一个“更快的 pip”，而是一个能够显著提升 Python 开发体验和效率的下一代工具。如果你还在为缓慢的依赖安装和繁琐的环境管理而烦恼，那么现在就是拥抱 uv 的最佳时机。

大模型岗位需求

大模型时代，企业对人才的需求变了，AIGC相关岗位人才难求，薪资持续走高，AI运营薪资平均值约18457元，AI工程师薪资平均值约37336元，大模型算法薪资平均值约39607元。
在这里插入图片描述

掌握大模型技术你还能拥有更多可能性：

• 成为一名全栈大模型工程师，包括Prompt，LangChain，LoRA等技术开发、运营、产品等方向全栈工程；

• 能够拥有模型二次训练和微调能力，带领大家完成智能对话、文生图等热门应用；

• 薪资上浮10%-20%，覆盖更多高薪岗位，这是一个高需求、高待遇的热门方向和领域；

• 更优质的项目可以为未来创新创业提供基石。

可能大家都想学习AI大模型技术，也想通过这项技能真正达到升职加薪，就业或是副业的目的，但是不知道该如何开始学习，因为网上的资料太多太杂乱了，如果不能系统的学习就相当于是白学。为了让大家少走弯路，少碰壁，这里我直接把全套AI技术和大模型入门资料、操作变现玩法都打包整理好，希望能够真正帮助到大家。

读者福利：如果大家对大模型感兴趣，这套大模型学习资料一定对你有用