老朋友pip与venv的缺陷
在介绍 uv 之前，让我们先快速回顾一下传统的 Python 项目管理方式——pip+venv 的工作流程：
首先在系统上 安装对应的 Python 版本 ；
创建虚拟环境：python -m venv .venv；
在当前目录 激活环境
Windows：.venv\Scripts\activate；
macOS/Linux：source .venv/bin/activate；
使用 pip 安装依赖 ：pip install openai；
生成 依赖文件 ：pip freeze > requirements.txt；
同步 环境依赖 ：pip install -r -requirements.txt；
这个流程虽然能用，但是作为开发者，期间会遇到非常多的问题：
慢 ：pip 的依赖解析和安装速度，在项目变大时，会变得异常缓慢。
繁琐 ：每次打开新终端，都得手动 source .../activate 才能激活环境，很容易忘记。
无多版本管理 ：运行 python -m venv .venv 命令时，它会使用您当前系统上默认的 Python 版本来 创建虚拟环境，只有已安装的 Python 版本才可以创建虚拟环境，否则无法直接创建。
依赖不精确 ：pip freeze 会把子依赖也冻结进去，但我们真正关心的，其实是 fastapi、uvicorn 这 些直接依赖。这导致了requirements.in 和 requirements.txt 的分离管理，增加了心智负担，同时 pip 没有依赖预检功能，很容易造成依赖冲突。
uv实战上手：三步建立现代化工作流
随着 Python 的普及度越来越高，传统的 pip + venv 的工作流方式已经不太适用，在 2024 年 2 月 uv 也 应运而生，这是由 Astral 公司使用 Rust 开发的一款非常新的 Python 打包和项目管理工具，uv 官方文 档：https://docs.astral.sh/uv/。它以其惊人的速度而闻名，uv 的特点也非常明显：
出身名门 ：由开发了 ruff（超快的Python Linter）的Astral公司打造。
快得离谱 ：因为它底层是用Rust编写，并且采用了先进的并行处理和全局缓存策略，它的速度可以 比 pip 快 10-100倍 ！
多合一工具箱 ：它不仅仅是 pip 的替代品，它还整合了 venv, pip-tools, python 版本管理等工具的 功能，提供了一站式的解决方案。
虽然才诞生一年多，但是越来越多的 Python 项目里都有 uv 的身影，例如：Dify、MCP、A2A、 MetaGPT、FlowRAG、Refly.ai 等。
uv 支持 macOS/Linux/Windows 系统，并且在安装前可以不用配置 Python 环境，使用一行命令即可快 速安装：
# macOS and Linux
curl-LsSf https://astral.sh/uv/install.sh | sh
wget-qO- https://astral.sh/uv/install.sh | sh
curl-LsSf https://astral.sh/uv/0.8.14/install.sh | sh
# Windows
powershell -ExecutionPolicy ByPass -c"irm https://astral.sh/uv/install.ps1 |
iex"甚至可以在 Github 上下载 uv 编译好的可执行文件，解压存储到电脑中，同时将该路径添加到环境变量 的 path 中即可，链接：https://github.com/astral-sh/uv/releases
安装成功后，在命令行执行 uv --version 看到版本号即代表成功：
uv --version
uv 0.8.14 (af856fb88 2025-07-01)现在 uv 将彻底改变你创建和使用虚拟环境的方式，你可以快速通过命令为每个项目创建一个不同版本独 立的 Python 虚拟环境，例如：
uv venv --python3.12上述命令会在当前目录下创建一个 .venv 的虚拟环境，并安装 python3.12 版本，如果想在命令行激 活当前环境，和以往使用相同的命令即可，如下：
# CMD
.venv\Scripts\activate.bat
# Powershell/win11
.venv\Scripts\activate.ps1
# bash
source .venv/Scripts/activate另外如果在 win11 下执行 .venv\Scripts\activate.ps1 出现错误，这是因为 PowerShell 执行政策 导致的，可以使用以下方式解决：
# 临时允许脚本（推荐）
Set-ExecutionPolicy -Scope Process -ExecutionPolicy Bypass
# 针对当前用户永久放宽
Set-ExecutionPolicy -Scope CurrentUser -ExecutionPolicy RemoteSigned这样就可以执行并激活环境了，如下：
同时如果你想使用原先 pip-tools 的工作流，操作技巧也非常简单，只需要在原先的命令前带上 uv 即 可，例如：
uv pip install fastapi "uvicorn[standard]"
uv pip compile requirements.in -o requirements.txt
uv pip sync requirements.txt这也是传统的工作流，在一个 Python 项目下可能会有一堆配置文件：setup.py, requirements.txt, requirements-dev.txt 等，简直是一场噩梦，所以更推荐使用 uv+pyproject.toml 这种工作流方式， 这是一个由官方PEP标准定义的、统一的配置文件，用于存放：
项目基本信息（项目名、版本、作者...）
项目依赖 (dependencies)
开发环境依赖 (dev-dependencies)
构建工具配置
测试、Linter等工具的配置
uv 天生就围绕这个文件工作，为我们提供了一套极致丝滑的体验，在项目下运行 uv init 即可自动生 成这些配置，基础配置如下：
[project]
name = "mas-study"
version = "0.1.0"
description = "Add your description here"
readme = "README.md"
requires-python = ">=3.12"
dependencies = [
"openai>=1.102.0",
]在这个工作流下，我们就可以完全抛弃 pip-tools 的写法，而是使用 uv 提供的其他命令：
安装依赖：uv add fastapi "uvicorn[standard]"，该命令会自动将依赖的版本写入到
pyproject.toml中，同时为该依赖添加锁uv.lock，以确保环境完全一致，无需手动编辑requirements.in在生成requirements.txt；卸载依赖：uv remove fast api "uvicorn[standard]"，该命令会卸载依赖，并移除依赖中的版本信 息与锁；
开发环境依赖：在
add和remove命令后带上 --dev 参数，即会添加或者移除一个开发依赖；执行命令：以往需要激活环境后才能运行命令，现在可以执行运行
uv run <command>在项目中 快速执行命令而无需提前激活；同步环境：uv sync，该命令会按照
pyproject.toml创建一个虚拟环境，并安装所有的依赖信 息；
哪怕整个项目想同步创建一份 pip-tools 的依赖文件，也可以通过 uv export -o requirements.txt 快速生成，高效与兼容两不误，当然关于 export 这个命令还有很多参数的写法，感 兴趣的同学可以在课后和 DeepSeek 聊天获取。
uv 常用命令速查表
虽然在项目中使用的 uv 命令并不多，为了方便大家在后续开发中随时查阅，我为大家整理了一份更详尽 的 uv 命令速查表，覆盖了从项目初始化到日常开发的方方面面，希望对大家有帮助：
评论