Python 包管理新选择：全面了解 uv（附 Conda 对比）

在 Python 的世界里，我们常用 pip 安装依赖，用 venv 创建虚拟环境，还可能用 pip-tools 来生成锁文件。这些工具虽然灵活，但组合使用时也容易让人混乱。最近，一个名叫 uv 的新工具火了起来，目标是统一和简化整个 Python 包管理流程。

uv 是什么？

uv 是由 Astral 开发的一个超快的 Python 包管理器，用 Rust 编写。它旨在作为 pip、pip-tools、virtualenv 和 python-build 的整合替代品。

主要特点：

• 🚀 极致性能：安装速度比传统 pip 快数倍

• 📦 自带虚拟环境管理：无需再手动创建 .venv

• 🔒 支持依赖锁定：自动生成兼容的 lock 文件

• 🧰 一体化工具链：不再需要搭配多个工具

• 🐍 支持多 Python 版本管理（重点！）

安装 uv（支持 Windows / macOS / Linux）

🖥 macOS

brew install uv

🐧 Linux

官方脚本（推荐）

curl -Ls https://astral.sh/uv/install.sh | bash

🪟 Windows

手动下载可执行文件

前往 GitHub Releases 下载 .exe 并添加到 PATH。

基本用法入门

创建虚拟环境

uv venv

安装依赖

uv pip install requests

锁定依赖

uv pip compile -o requirements.txt

同步环境

uv pip sync

启动项目解释器

uv python

管理多个虚拟环境

uv 使用“每个项目一个 .venv”的方式来隔离环境。每个项目创建并激活自己的虚拟环境，无需集中管理：

# 项目 A
cd ~/projects/a
uv venv
uv pip install flask# 项目 B
cd ~/projects/b
uv venv
uv pip install numpy

激活虚拟环境

source .venv/bin/activate    # macOS/Linux
.venv\Scripts\activate       # Windows

或者直接使用：

uv python

多 Python 版本管理

这是 uv 的杀手级功能之一：无需 pyenv 或 Conda，即可为每个项目使用不同的 Python 版本！

创建指定版本的虚拟环境

uv venv --python 3.11

如你未本地安装该版本，uv 会自动下载并缓存构建：

uv venv --python 3.9.18

查看本地缓存的 Python 版本

uv runtimes list

卸载某个版本以释放空间

uv runtimes uninstall 3.10.5

Python 缓存目录

• macOS/Linux: ~/.cache/uv

• Windows: %LOCALAPPDATA%\uv

示例：快速搭建 Flask 项目

uv venv --python 3.11
uv pip install flask
echo "flask" > requirements.in
uv pip compile
uv pip sync

uv 与 Conda 的对比

功能	uv	conda
语言支持	仅 Python	Python + 多语言（R, C++, Java）
包源	PyPI	Conda 镜像 / Anaconda Cloud
虚拟环境管理	基于 .venv	使用 Conda 环境
安装速度	🚀 非常快（Rust 编写）	🐢 较慢（特别是首次）
系统级依赖	❌ 不支持	✅ 支持（如 MKL, BLAS）
锁文件支持	✅ 是	❌ 原生不支持
安装第三方工具	uv pip install black	conda install black 或 pip
适用场景	轻量开发，Web 项目，CI/CD	数据科学，科研，多语言依赖

总结

如果你是：	推荐工具
Web/Python 项目开发者，追求速度和简单	✅ 使用 uv
科学计算/数据分析/需要 C 库和跨语言依赖	✅ 使用 conda

uv 的出现，让 Python 包管理回归简洁又强大，保留了 pip 的生态，却提供了 Conda 级别的体验。

参考链接

• 官方项目主页：https://github.com/astral-sh/uv

• 官方博客：Blog | Astral

• Conda 文档：https://docs.conda.io

• pipx 项目：https://github.com/pypa/pipx