0 序
- 学习一款新的
Python依赖包管理与环境管理工具:UV。
"最近几个月，我注意到一个现象：看到的新开源项目里，越来越多开始在README里写
uv pip install而不是pip install。"2025年，Python包管理工具已经由pip变成了uv？ - Weixin/机器学习实验室 2025.11.13
全文主要摘自此篇。
比如最近与Kimi K2 Thinking一起发布的Kimi CLI就是通过uv命令安装的：
uv tool install --python 3.13 kimi-cli
- 在 Python 开发中，包管理和环境隔离是每个开发者都会遇到的问题。
无论是
pip的缓慢、virtualenv的繁琐，还是conda的臃肿，都让开发者们期待一个更高效的解决方案。
1 概述: UV := Python 包与环境管理工具
uv是什么?
uv是Astral公司开发了一款新的Python包管理工具。
提到
Astral，你可能会想起他们去年发布的Ruff。
那个用Rust写的Python linter，速度快到离谱，现在已经是很多项目的标配。
uv目前在Github斩获73k的star。
https://github.com/astral-sh/uv
- Slogan :
An extremely fast Python package and project manager, written in Rust.
一款用Rust编写的、非常快的Python包和项目管理器。
-
2024 年 2 月首次发布，当时的定位是更快的pip。几个月后，功能大幅扩展，变成了一个统一的Python工具链。
-
现在的
uv，官方说可以替代pip、pip-tools、pipx、poetry、pyenv、virtualenv这一堆工具。
性能实测：快得离谱
- 先说性能，这是
uv最吸引人的地方。
官方说uv比pip快10-100倍。一开始有大佬觉得这数字有点夸张，但看了一些真实案例后，确实差不多。
- 典型案例: 2024年4月，Streamlit把所有用户的包管理从pip切换到了uv。
结果是什么？
平均依赖安装时间从60秒降到了20秒，应用部署时间直接提升了55%。
这不是实验室数据，是真实的生产环境，每天数万个应用在跑。
- 包安装速度对比（无缓存）：
- 安装
pandas：1.22s (uv) vs 2.62s (pip) - 快 53%- 安装
numpy+scipy+torch：3.5s (uv) vs 14.8s (pip) - 快 4.2 倍- 解析50+ 包的
requirements.txt：5.1s (uv) vs 28.4s (pip) - 快 5.6 倍
- 有缓存的情况下：
- Jupyter Notebook项目解析：0.57s（冷启动）→ 0.02s（温缓存）
这个速度提升就是几十倍到上百倍了
- 虚拟环境创建：
uv创建虚拟环境比python -m venv快80倍比
virtualenv快7倍
- 除了速度快，【资源占用】也更少：
CPU 使用：68% (uv) vs 92% (pip)
内存占用：210MB (uv) vs 450MB (pip)
这意味着，在CI/CD环境或者【资源受限】的机器上，uv的优势会更明显。
为什么性能这么快?
看到这些数据，你可能会好奇：uv凭啥这么快？
- 首先，编程语言。
pip是用Python写的，uv用的是Rust。Rust是系统级编程语言，性能接近 C/C++。
这是基础性能差异。
- 其次，
uv充分利用了Rust的并发特性。
传统的
pip在下载和安装包时，大部分操作是串行的; 而uv可以同时处理多个依赖的下载、构建和安装。
在依赖树比较复杂的项目里，这种【并发处理】带来的提升非常明显。
- 此外，
uv还有一个【全局模块缓存系统】。
当你第一次安装一个包后，uv会把它缓存起来。
下次再安装同样的包（可能是在不同的项目里），uv直接从缓存读取，甚至不需要重新下载。
- 而且在支持的文件系统上，
uv使用【写时复制】（Copy-on-Write）和【硬链接】技术。
这意味着，同一个包在多个【虚拟环境】中共享，不会占用多倍的【磁盘空间】。
- 最后是，依赖解析算法。
依赖解析是【包管理】中最复杂的部分。
uv使用了【更高效的算法】来解析【依赖图】，支持平台无关的解析，还能生成跨平台的【锁文件】。
这不只是快，还更可靠。
不只是快：功能全面
- 【速度】，只是
uv的一个卖点。让人更感兴趣的是，它想成为一个【全能工具】。 - 最基础的功能：uv可以完全替代pip
# 传统方式
pip install requests# uv方式
uv pip install requests
- 命令几乎一样，学习成本很低。
- 而且uv还支持很多pip没有的高级特性，比如依赖版本覆盖、更灵活的解析策略等。
- 首先，uv可以像Poetry一样管理整个项目：
# 初始化项目
uv init my-project# 运行项目
uv run main.py# 生成跨平台锁文件
uv lock# 同步环境
uv sync
生成的
lockfile，确保团队成员和CI环境都用完全相同的依赖版本。
- uv也可以用于Python的版本管理（替代 pyenv），这个功能让我挺意外的：
# 安装 Python 3.12
uv python install 3.12# 在当前目录下使用特定版本
uv python pin 3.12
uv可以直接下载和管理Python版本，不需要额外装pyenv或pythonbrew。uv也可以用于工具管理（替代pipx），比如说需要安装一个【全局命令行工具】？
# 安装工具
uv tool install ruff# 或一次性运行，不安装
uvx ruff check .
uvx这个命令特别方便，想临时用一个工具的时候，不需要先装到全局环境。
uv还支持单文件Python脚本的依赖管理。
你可以在脚本开头声明依赖，然后用uv run script.py直接运行，uv会自动处理依赖安装和环境隔离。
这对写一些小工具脚本非常友好。
uv 的优势
- 速度极快：由于使用 Rust 编写，uv 的性能远超 pip 和其他包管理工具，安装依赖的速度可以提升 10-100 倍。
- 功能集成：集成语法分析、依赖解析、包安装、环境管理和 Python 版本管理于一体，无需再安装和学习多个工具。
- 确定性构建：uv 会生成 uv.lock 文件，确保在任何环境中都能安装完全相同的依赖版本，避免 "在我机器上能运行" 的问题。
- 与现有工具兼容：uv 可以处理 requirements.txt 和 pyproject.toml，可以无缝替代现有工作流中的 pip。
uv能不能替代Conda / Pip?
- 这取决于使用场景：
uv专注于Python依赖包管理，对于纯Python项目，它完全够用，而且更快更轻量。- 但
Conda可以管理【系统级依赖】（比如：CUDA、各种C库），在科学计算和深度学习领域，Conda还是有它的生态位置。
- 另外，有些
CI平台对uv的支持还在完善中，可能需要自己写一点额外的配置。 - 偶尔会遇到一些包的构建问题，特别是那些有
C扩展的老包。
不过这种情况不多，而且一般切回pip就能解决。
-
推荐做法：纯Python项目用uv，需要系统依赖的项目（比如 PyTorch GPU 版）还是用pip或者Conda。
-
应该对这些新的工具保持一点耐心，也许未来上述这种场景也将会被弥补上来。
"这就像你的Vibe Coding工具，在没用Claude Code之前，你用其他工具觉得非常好用。但是一旦用了Claude Code之后，就很难再用回其他工具。"
2 安装使用篇
说了这么多，不如亲自试一试。
2.1 安装 UV
uv不需要预先安装Python和Rust，安装脚本会处理所有依赖。
2.1.1 安装 on MacOS/Linux
brew install uv或:
curl -LsSf https://astral.sh/uv/install.sh | sh
2.1.2 安装 on Windows
- CMD or PowerShell 窗口:
powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"
安装日志:
C:\Users\EDY>powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex" Downloading uv 0.9.15 (x86_64-pc-windows-msvc) Installing to C:\Users\EDY\.local\binuv.exeuvx.exeuvw.exe
everything's installed!To add C:\Users\EDY\.local\bin to your PATH, either restart your shell or run: (为了便于基于 uv 命令便捷/快速地使用，可自行配置 PATH 环境变量 或执行:)set Path=C:\Users\EDY\.local\bin;%Path% (cmd)$env:Path = "C:\Users\EDY\.local\bin;$env:Path" (powershell)
2.2 安装验证
- 安装完成后，验证安装是否成功：
uv --version
输出内容类似如下，表明安装成功：
uv 0.9.15 (5eafae332 2025-12-02)或:
uv 0.8.14 (Homebrew 2025-08-28)
...
2.3 管理 Python 版本
uv可以轻松管理多个 Python 版本，无需额外安装 pyenv 等工具。
查看可用的 Python 版本
uv python list
输出结果类似如下：
C:\Users\EDY>uv python list
cpython-3.15.0a2-windows-x86_64-none <download available>
cpython-3.15.0a2+freethreaded-windows-x86_64-none <download available>
cpython-3.14.1-windows-x86_64-none <download available>
cpython-3.14.1+freethreaded-windows-x86_64-none <download available>
cpython-3.13.10-windows-x86_64-none <download available>
cpython-3.13.10+freethreaded-windows-x86_64-none <download available>
cpython-3.12.12-windows-x86_64-none <download available>
cpython-3.11.14-windows-x86_64-none <download available>
cpython-3.10.19-windows-x86_64-none <download available>
cpython-3.10.11-windows-x86_64-none AppData\Local\Programs\Python\Python310\python.exe
cpython-3.9.25-windows-x86_64-none <download available>
cpython-3.8.20-windows-x86_64-none <download available>
pypy-3.11.13-windows-x86_64-none <download available>
pypy-3.10.16-windows-x86_64-none <download available>
pypy-3.9.19-windows-x86_64-none <download available>
pypy-3.8.16-windows-x86_64-none <download available>
graalpy-3.12.0-windows-x86_64-none <download available>
graalpy-3.11.0-windows-x86_64-none <download available>
graalpy-3.10.0-windows-x86_64-none <download available>
安装特定版本的 Python
# 安装最新的 Python 3.12
uv python install 3.12# 安装特定版本
uv python install 3.11.6# 安装 PyPy 版本
uv python install pypy3.10
设置全局默认 Python 版本
uv python default 3.12
在项目中指定 Python 版本
# 为当前项目固定 Python 3.11
uv python pin 3.11
这会创建
.python-version文件，标识项目所需的 Python 版本。
2.4 管理虚拟环境
- 创建并激活虚拟环境：
# 创建名为 .venv 的虚拟环境（默认）
uv venv# 激活环境（macOS/Linux）
source .venv/bin/activate# 激活环境（Windows）
.venv\Scripts\activate
2.5 依赖包管理
- 安装依赖包：
# 安装最新版本
uv pip install requests# 安装特定版本
uv pip install requests==2.31.0# 从 requirements.txt 安装
uv pip install -r requirements.txt
- 安装包到开发环境：
uv pip install --dev pytest
- 升级包：
uv pip upgrade requests
- 卸载包：
uv pip uninstall requests
- 导出依赖：
# 导出当前环境的依赖
uv pip freeze > requirements.txt# 导出生产环境依赖（排除开发依赖）
uv pip freeze --production > requirements.txt
2.5 项目管理
-
uv支持pyproject.toml格式的项目管理，这是现代Python项目的标准配置文件。 -
初始化一个新项目：
uv init my_project
cd my_project
这会创建基本的项目结构和 pyproject.toml 文件。
- 安装项目的依赖：
uv sync
这个命令会根据
pyproject.toml和requirements.txt安装所有依赖。类似于pip install -e .但更高效。
说明：
uv sync 是一个依赖管理命令，它的作用类似于您可能更熟悉的 pip install -r requirements.txt，但更快、更强大、更可靠。
您可以把它理解为："一键安装这个项目正常运行所需的所有第三方软件包（依赖库）"。
uv sync 如果安装太慢，可以设置国内镜像源 https://pypi.tuna.tsinghua.edu.cn/simple：在项目根目录的 pyproject.toml 文件 [tool.uv] 处设置 index-url：[tool.uv]
index-url = "https://pypi.tuna.tsinghua.edu.cn/simple"
2.x 使用场景集
2.x.1 场景: pip 的平替
- 如果你只想把uv当作更快的pip，直接替换命令就行：
# 创建虚拟环境
uv venv# 激活环境（和之前一样）
source .venv/bin/activate # macOS/Linux
.venv\Scripts\activate # Windows# 安装包
uv pip install pandas numpy# 导出依赖
uv pip freeze > requirements.txt# 从文件安装
uv pip install -r requirements.txt
-
基本上就是把
pip换成uv pip，其他都一样。 -
对于已有项目，如果需要迁移的话，可以采样【渐进式迁移方式】：
- 先在本地开发环境试用uv
- 验证没问题后，更新CI/CD配置
- 团队成员逐步切换
- 另外，因为
uv和pip是兼容的，【迁移过程】中几乎不会出现环境上冲突。
2.x.2 迁移到 uv
如果你正在使用其他工具，可以轻松迁移到 uv：
- 对于使用 pip + virtualenv 的项目：
# 创建并激活 uv 虚拟环境
uv venv
source .venv/bin/activate# 安装依赖
uv pip install -r requirements.txt
- 对于使用
pip-tools的项目：
uv pip compile requirements.in -o requirements.txt
uv pip sync
- 对于使用 poetry 或 pdm 的项目：
# 直接使用现有的 pyproject.toml
uv sync
Y 推荐文献
- UV
- docs : https://docs.astral.sh/uv/
- github : https://github.com/astral-sh/uv
-
[Python3] Python 基础教程 - 博客园/千千寰宇
-
[Python] 包管理器Pip - 博客园/千千寰宇
-
[Python] Miniforge: 开源版conda环境管理器 - 博客园/千千寰宇
-
[Python/虚拟环境/包管理] conda：多环境管理与包管理器 - 博客园/千千寰宇
-
[Python] Python 虚拟环境管理 - 博客园/千千寰宇
X 参考文献
- 2025年，Python包管理工具已经由pip变成了uv？ - Weixin/机器学习实验室 2025.11.13
