Python 虚拟环境管理的最佳实践：从 venv 到 uv

Python 的虚拟环境和包管理工具多到让人头大，我用过大部分，最后稳定在了 uv 上。 ## 各工具对比 **venv**：标准库自带，零安装。缺点是只管虚拟环境不管依赖锁定。 **poetry**：依赖解析强，有 lock 文件。缺点是慢，安装依赖经常等好几分钟。 **conda**：科学计算生态好，能管理 C 库。环境占用大，不适合 Web。 **uv（推荐）**：Rust 写的，安装依赖速度是 pip 的 10-100 倍。完全兼容 pip，支持 lock 文件，还能管理 Python 版本。 ## 为什么选 uv 最打动我的是速度。`pip install` 大项目 2-3 分钟，`uv pip install` 10 秒。迁移成本几乎为零： ```bash # 就改一个前缀 pip install -r requirements.txt uv pip install -r requirements.txt ``` ## 我的工作流 ```bash uv init myproject && cd myproject uv add flask sqlalchemy redis uv run flask run # 不需要 activate ``` `uv run` 不需要 source activate，直接运行。 ## 总结 - 小脚本：venv + pip - 正经项目：uv - 数据科学：conda - 已用 poetry 的老项目：暂不迁移