uv：终结 Python 虚拟环境管理乱局

摘要

如果你还在 python -m venv .venv && source .venv/bin/activate && pip install -r requirements.txt 这套流程里反复横跳，是时候看看 uv 了。uv 是 Astral（Ruff、ty 的作者）用 Rust 写的 Python 包与项目管理工具，把版本管理、依赖安装、锁文件、虚拟环境、项目管理这五件事揉进一个单文件二进制里，安装速度是 pip 的 10-100 倍，而且完全不需要手动激活环境。

uv 是什么

一句话概括：uv = pyenv（Python 版本管理）+ pip（包安装）+ pip-tools（锁文件）+ venv（虚拟环境）+ poetry/pdm（项目管理）。

它不是又一个"更快的 pip"，而是把 Python 生态里长期分裂的这几层工具统一到了一个工具链里：

• Python 版本管理：uv python install 3.12 直接下载对应版本的解释器，不用再单独装 pyenv
• 虚拟环境：uv venv 或者干脆不用手动建，uv run 会自动检测/创建项目的 .venv
• 依赖安装与锁定：uv add/uv sync 生成并使用 uv.lock，保证团队成员和 CI 装出来的依赖版本完全一致
• 一键运行：uv run python script.py 自动在项目虚拟环境里执行，全程不需要 source activate

核心优势：和其他虚拟环境工具比

Python 生态里管理虚拟环境和依赖的工具不少，各自解决的问题也不完全一样：

工具	定位	需要手动 activate？	Python 版本管理	锁文件	速度
uv	全能（版本+包+环境+项目）	否，uv run 自动进环境	✅ 内置，自动下载	✅ uv.lock	极快
venv（标准库）	只管环境隔离	✅ 必须手动 activate	❌	❌	慢
virtualenv	venv 的前身/增强版	✅	❌	❌	慢
pip	只管装包	依赖 venv	❌	❌（requirements.txt 不是真锁文件）	慢
pipenv	pip+virtualenv 整合	否，pipenv run	❌	✅ Pipfile.lock	慢，解析器出了名地卡
poetry	项目+依赖管理	否，poetry run	❌（要配合 pyenv）	✅ poetry.lock	中等
pdm	类似 poetry，支持 PEP 582	否，pdm run	部分支持	✅ pdm.lock	较快
conda/mamba	科学计算全家桶	✅（也有 conda run）	✅	⚠️ 非严格锁文件	conda 慢，mamba 快
pyenv	只管 Python 版本	不适用	✅	❌	—

几个容易误解的地方：

1. "不用 activate" 不是 uv 独有：poetry/pdm/pipenv 的 xxx run 命令本来就能做到不激活直接跑命令，本质都是给子进程临时改 PATH。uv 的优势是把这个模式做到最快、最零配置。
2. uv 真正独特之处：一个二进制同时管 Python 版本（不用配 pyenv）；全局内容寻址缓存，多个项目共用同一份包的磁盘存储，不重复占空间；完全兼容 pip 接口，uv pip install 可以直接当 pip 替代，迁移成本几乎为零。
3. conda 什么时候还该用：项目依赖非 Python 的编译库（CUDA、MKL、某些 R/Julia 绑定）时，conda/mamba 的二进制包管理仍然更合适——uv 只管 Python 生态，不处理系统级二进制依赖。

对 AI 编程助手格外友好

这一点在 AI Agent 编程时代价值被明显放大了：如果你写的 Python 脚本是要交给 AI（Claude Code、Cursor 等）调用执行的，用 uv run 意味着完全不需要在给 AI 的指令里专门交代"先激活虚拟环境再执行程序"这一步。AI 每次工具调用往往是独立的 shell 进程，环境激活状态本来就留不住，稍不注意就会因为忘记 activate 而报 ModuleNotFoundError；而 uv run python xxx.py 每次都会自动定位并使用项目自己的虚拟环境，AI 只要记住这一条命令格式就行，不用理解"环境是否已激活"这个状态问题。这也是为什么现在几乎所有新建的 Python 项目都会直接用 uv 起步——对人省心，对 AI 更省心。

面向人群

• 受够了 venv + pip + requirements.txt 这套老流程、想要更快更省心的开发者
• 已经在用 poetry/pdm，但嫌解析器和安装速度不够快的团队
• 需要在 CI 里频繁重建虚拟环境、对安装速度敏感的项目
• 想要一个工具同时搞定 Python 版本切换和依赖管理，减少工具链复杂度的人
• 用 Claude Code、Cursor 等 AI 编程助手写 Python 自动化脚本、不想每次都在 prompt 里教 AI "先激活环境"的人

快速上手

安装（macOS / Linux）：

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

Windows 用 PowerShell：

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

也可以用已有的包管理器安装，比如 Homebrew：

brew install uv

或者通过 pipx：

pipx install uv

安装指定版本的 Python（不用再单独装 pyenv）：

uv python install 3.12

新建一个项目：

uv init myproject
cd myproject

添加依赖（自动创建虚拟环境、更新 pyproject.toml 和 uv.lock）：

uv add requests fastapi

运行代码（自动在项目虚拟环境里执行，不需要手动 activate）：

uv run python main.py

同步依赖（按 uv.lock 精确还原环境，适合 CI 或团队协作）：

uv sync

进阶用法

1. 把 CLI 工具变成系统命令，还不污染全局环境（pipx 的直接替代）：

uv tool install comfy-cli   # 装进独立隔离环境，只把 comfy 命令暴露到 PATH
comfy some-command          # 之后直接执行，命令行里不出现 uv，也不用 activate
uv tool update-shell        # 首次使用前跑一次，把暴露命令的目录加进 PATH
uv tool list                # 看装了哪些工具
uv tool upgrade comfy-cli   # 升级
uv tool uninstall comfy-cli # 卸载（连隔离环境一起删掉）

2. 把 uv 当 pip 的直接替代（迁移老项目最省事的方式）：

uv pip install -r requirements.txt
uv pip compile requirements.in -o requirements.txt

3. 像 npx 一样直接运行工具，不用提前安装：

uvx ruff check .
uvx black .

4. 多项目 workspace（类似 Cargo 的 workspace 概念，适合 monorepo）：

在根目录 pyproject.toml 里声明 [tool.uv.workspace] 后，uv run/uv sync 会理解子项目之间的依赖关系，不需要每个子项目单独管理虚拟环境。

5. 锁定依赖但不同步（比如只想更新 lock 文件、暂不落地到本地环境）：

uv lock

如果你的项目还停留在 venv + requirements.txt 的年代，花十分钟切到 uv，大概率再也不想回去了——我自己现在所有的 Python 项目都已经全部切到了 uv，不再单独维护 .venv 的激活步骤。