星梦启航

Appearance

今日和总访问量

uv 从基础到精通：给 Conda 用户的实战迁移指南 ​

适合读者：有 Python 基础、做过 Python 开发或自动化数据采集、长期使用 Conda，但尚未使用 uv。

本文按 2026 年 7 月的 uv 官方用法编写。uv 更新较快，文末附有官方文档入口。

1. 先用一句话认识 uv ​

uv 是 Astral 使用 Rust 编写的 Python 包与项目管理工具。它可以统一完成：

  • 安装和切换 Python；
  • 创建虚拟环境；
  • 安装、删除、升级依赖；
  • 生成跨平台锁文件；
  • 运行项目命令；
  • 临时或全局运行 Python 命令行工具；
  • 构建和发布 Python 包；
  • 提供与 pip 兼容的低层命令。

你可以先这样理解：

text
uv ≈ Python 版本管理器 + venv + pip + pip-tools + pipx + 项目锁文件

但它并不等于完整的 Conda。

1.1 uv 与 Conda 的关键区别 ​

能力Condauv
管理 Python 版本支持支持
管理 Python 包支持支持，主要来自 PyPI
虚拟环境支持支持，默认.venv
锁定依赖environment.yml 通常不是严格锁文件uv.lock 是跨平台锁文件
管理非 Python 软件支持，如 CUDA、GDAL、FFmpeg、编译器不负责系统级软件包
项目元数据environment.yml标准pyproject.toml
命令行工具隔离安装通常手动建环境uv tool install / uvx

判断标准：

  • 纯 Python 项目、Web、脚本、爬虫、数据采集：优先使用 uv；
  • 依赖 CUDA、特定系统动态库、复杂科学计算二进制环境：可以保留 Conda，或用系统包管理器/Docker 管理系统依赖，再让 uv 管 Python 依赖；
  • 不要为了“迁移干净”而强行卸载 Conda。先让两个工具共存，逐个项目迁移。

2. 安装 uv ​

2.1 macOS / Linux ​

官方安装脚本：

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

重新打开终端后检查：

bash
uv --version

2.2 Windows PowerShell ​

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

然后新开一个 PowerShell：

powershell
uv --version

2.3 其他安装方式 ​

如果你已经有 Python，也可以：

bash
pipx install uv

macOS 使用 Homebrew：

bash
brew install uv

升级 uv：

bash
uv self update

如果 uv 由 Homebrew、pipx 等包管理器安装，应使用对应包管理器升级。

2.4 Shell 自动补全 ​

先查看 uv 针对当前版本给出的命令：

bash
uv generate-shell-completion --help

例如 zsh：

bash
echo 'eval "$(uv generate-shell-completion zsh)"' >> ~/.zshrc

3. 第一条最重要的工作流 ​

对于绝大多数项目，你只需先掌握 5 个命令：

bash
uv init my-project        # 创建项目
cd my-project
uv add requests           # 添加依赖
uv run python main.py     # 在项目环境中运行
uv sync                   # 按锁文件同步环境

完整体验：

bash
uv init uv-demo
cd uv-demo
uv add requests
uv run python -c "import requests; print(requests.get('https://example.com').status_code)"

你不必先执行 activate。uv run 会自动：

  1. 找到项目；
  2. 创建或更新 .venv；
  3. 根据 pyproject.toml 和 uv.lock 准备依赖；
  4. 在正确环境中执行命令。

这就是 uv 最推荐的日常心智模型：声明依赖，然后通过 uv run 执行。

4. 项目中的三个核心对象 ​

运行 uv init 后，重点关注：

text
my-project/
├── .python-version   # 项目默认 Python 版本（可能存在）
├── .venv/            # 本地虚拟环境，不提交 Git
├── pyproject.toml    # 项目配置与直接依赖，提交 Git
└── uv.lock           # 完整、可复现的依赖锁文件，提交 Git

4.1 pyproject.toml ​

它描述“项目想要什么”：

toml
[project]
name = "collector"
version = "0.1.0"
requires-python = ">=3.12"
dependencies = [
    "httpx>=0.28.1",
]

通常不要手写依赖版本，优先执行：

bash
uv add httpx

4.2 uv.lock ​

它记录解析后的完整依赖图、精确版本及校验信息。团队成员和 CI 使用同一锁文件，可以得到一致环境。

一般应把 uv.lock 提交到 Git。应用项目尤其应该提交；库项目通常也建议提交，以便开发和 CI 可复现。

不要手工编辑 uv.lock。

4.3 .venv ​

它是可丢弃的本地缓存结果：

  • 不要提交到 Git；
  • 损坏时可删除，然后执行 uv sync 重建；
  • 真正的环境来源是 pyproject.toml 与 uv.lock。

推荐 .gitignore 至少包含：

gitignore
.venv/
__pycache__/
.pytest_cache/
.env

5. Python 版本管理 ​

5.1 查看可用 Python ​

bash
uv python list

5.2 安装 Python ​

bash
uv python install 3.12
uv python install 3.11 3.12 3.13

uv 安装的 Python 与系统 Python 分离，不需要管理员权限。

5.3 为项目固定 Python ​

bash
uv python pin 3.12

它通常会创建 .python-version。检查：

bash
cat .python-version
uv run python --version

5.4 临时指定 Python ​

bash
uv run --python 3.11 python --version
uv venv --python 3.12

5.5 两种“版本约束”不要混淆 ​

  • .python-version：开发时希望 uv 默认使用哪个 Python；
  • project.requires-python：这个项目允许在哪些 Python 版本上运行。

例如：

toml
requires-python = ">=3.10,<3.14"

项目本地可以 pin 到 3.12，但发布的包仍允许用户在 3.10～3.13 使用。

6. 创建与使用虚拟环境 ​

6.1 项目模式：通常不用手动创建 ​

bash
uv init collector
cd collector
uv add httpx
uv run python main.py

uv 会自动管理 .venv。

6.2 只想要传统 venv ​

bash
mkdir experiment
cd experiment
uv venv

激活方式与标准 venv 相同：

bash
# macOS / Linux
source .venv/bin/activate

# Windows PowerShell
.venv\Scripts\Activate.ps1

退出：

bash
deactivate

激活后可使用兼容 pip 的命令：

bash
uv pip install requests

不过在正式项目中，更推荐 uv add requests，因为它会同时更新项目声明和锁文件。

6.3 uv run 与激活环境怎么选 ​

优先：

bash
uv run python main.py
uv run pytest
uv run scrapy crawl example

只有在 IDE、交互式调试或连续输入大量命令时，才有必要激活 .venv。

7. 依赖管理：日常最常用部分 ​

7.1 添加依赖 ​

bash
uv add requests
uv add "httpx>=0.28"
uv add pandas openpyxl

添加 Git 依赖：

bash
uv add "git+https://github.com/encode/httpx"

添加本地包：

bash
uv add ../shared-lib

开发期可编辑安装：

bash
uv add --editable ../shared-lib

7.2 删除依赖 ​

bash
uv remove requests

7.3 开发依赖 ​

测试、格式化、类型检查等不应成为运行时依赖：

bash
uv add --dev pytest ruff mypy

运行：

bash
uv run pytest
uv run ruff check .

7.4 自定义依赖组 ​

复杂项目可以按用途分组：

bash
uv add --group test pytest pytest-cov
uv add --group lint ruff mypy

同步指定组：

bash
uv sync --group test
uv sync --group lint
uv sync --all-groups

只安装生产运行依赖：

bash
uv sync --no-dev

7.5 可选功能 extras ​

如果你的包有用户可选功能，可在 pyproject.toml 中定义：

toml
[project.optional-dependencies]
excel = ["openpyxl>=3.1"]
postgres = ["psycopg[binary]>=3.2"]

同步某个 extra：

bash
uv sync --extra excel
uv sync --all-extras

区分：

  • dependency group：给开发者使用，例如测试、lint；
  • optional dependency / extra：给项目用户选择，例如 collector[postgres]。

7.6 查看依赖树 ​

bash
uv tree

这对定位“某个间接依赖为什么被安装”非常有用。

8. 锁定、同步与升级 ​

8.1 三个命令的职责 ​

bash
uv add requests   # 修改直接依赖，并更新锁与环境
uv lock           # 只更新/检查锁文件
uv sync           # 让环境与项目和锁文件一致

一般开发时直接使用 uv add / uv remove；拉取团队代码后使用 uv sync。

8.2 可复现安装 ​

CI 中应拒绝隐式修改锁文件：

bash
uv sync --locked

如果 pyproject.toml 与 uv.lock 不一致，命令会失败。

要求锁文件存在且不重新解析，适合更严格的部署：

bash
uv sync --frozen

简单理解：

  • --locked：验证锁文件是最新的；
  • --frozen：直接使用现有锁文件，不检查它是否需要更新。

团队 CI 通常优先 --locked。

8.3 升级依赖 ​

升级单个包：

bash
uv lock --upgrade-package requests
uv sync

升级所有允许升级的包：

bash
uv lock --upgrade
uv sync

注意：版本仍受 pyproject.toml 约束。如果写了 requests<2.33，升级不会越过上限。

8.4 为什么不要每天无脑全量升级 ​

锁文件的价值就是让升级成为一次明确变更。推荐：

  1. 修改或升级依赖；
  2. 查看 uv.lock 变化；
  3. 运行测试；
  4. 提交代码与锁文件。

9. 运行 Python、模块和项目命令 ​

bash
uv run python main.py
uv run python -m collector
uv run pytest -q
uv run ruff format .
uv run scrapy crawl products

给命令传环境变量：

bash
API_URL=https://example.com uv run python main.py

项目需要 .env 文件时：

bash
uv run --env-file .env python main.py

.env 中常含密钥，不要提交到 Git。提交一个 .env.example 作为字段模板即可。

如果确定环境已经同步，不希望运行前检查：

bash
uv run --no-sync python main.py

日常不必加它；这是追求启动延迟或受控环境时的高级选项。

10. 单文件脚本：自动化采集特别实用 ​

有些采集任务只有一个 .py 文件，不值得创建完整项目。uv 支持在脚本中记录依赖。

新建脚本：

bash
uv init --script collect.py --python 3.12
uv add --script collect.py requests beautifulsoup4

运行：

bash
uv run collect.py

脚本顶部会出现符合 PEP 723 的元数据，大致如下：

python
# /// script
# requires-python = ">=3.12"
# dependencies = [
#     "beautifulsoup4>=4.13.0",
#     "requests>=2.32.0",
# ]
# ///

import requests
from bs4 import BeautifulSoup

html = requests.get("https://example.com", timeout=20).text
print(BeautifulSoup(html, "html.parser").title.string)

任何安装了 uv 的机器都能直接执行这个文件，uv 会自动准备隔离环境。

临时运行且不写入脚本元数据：

bash
uv run --with requests --with beautifulsoup4 collect.py

使用建议：

  • 一次性脚本：uv run --with ...；
  • 要分享、要定时运行的单文件脚本：PEP 723 元数据；
  • 文件逐渐增多或需要测试：升级为完整 uv 项目。

11. 命令行工具：替代 pipx ​

11.1 临时执行 uvx ​

bash
uvx ruff check .
uvx pycowsay hello

uvx 等价于 uv tool run。工具在隔离环境中运行，不污染项目依赖。

指定版本：

bash
uvx ruff@0.12.0 check .

11.2 持久安装工具 ​

bash
uv tool install ruff
ruff --version

管理工具：

bash
uv tool list
uv tool upgrade ruff
uv tool upgrade --all
uv tool uninstall ruff

判断规则：

  • 项目必须固定工具版本：uv add --dev ruff，再用 uv run ruff；
  • 偶尔运行一次：uvx ruff；
  • 希望在所有目录直接调用：uv tool install ruff。

12. uv pip：兼容旧式 requirements 工作流 ​

uv 提供高性能的 pip 兼容接口：

bash
uv venv
uv pip install requests
uv pip uninstall requests
uv pip list
uv pip freeze
uv pip check

安装 requirements：

bash
uv pip install -r requirements.txt

让环境严格匹配 requirements（会移除多余包）：

bash
uv pip sync requirements.txt

从输入约束生成固定版本文件：

bash
uv pip compile requirements.in -o requirements.txt

重要区别：

text
uv add     = 项目级工作流，更新 pyproject.toml 和 uv.lock
uv pip ... = 低层、兼容 pip 的环境操作，不替你管理项目声明

新项目优先使用 uv add。只有迁移旧项目、兼容已有部署格式或直接操作某个 venv 时，才使用 uv pip。

13. 从 Conda 项目迁移到 uv ​

13.1 迁移前先分类依赖 ​

查看原环境：

bash
conda env export --from-history > environment-history.yml
conda list

把依赖分为两类：

  1. Python/PyPI 包：requests、pandas、scrapy、sqlalchemy 等；
  2. 系统或 Conda 二进制包：cudatoolkit、编译器、某些 GDAL/FFmpeg 库等。

第一类交给 uv。第二类交给操作系统包管理器、Docker，或暂时继续使用 Conda。

13.2 推荐迁移流程 ​

在原项目根目录：

bash
uv init
uv python pin 3.12
uv add requests pandas beautifulsoup4
uv add --dev pytest ruff
uv run pytest

不要把 conda list 的全部内容原样塞进 uv。里面包含大量间接依赖和 Conda 自己的底层包。只添加你的代码直接 import 或直接依赖的包，让 uv 解析间接依赖。

13.3 从 requirements.txt 迁移 ​

如果文件质量较好，可以先：

bash
uv add -r requirements.txt

然后：

bash
uv run pytest

验证通过后，pyproject.toml 与 uv.lock 成为主要依赖来源。是否保留 requirements.txt 取决于部署平台是否仍要求它。

如需为旧平台导出：

bash
uv export --format requirements-txt --output-file requirements.txt

13.4 Conda 命令对照表 ​

Conda 习惯uv 对应方式
conda create -n app python=3.12uv init app && cd app && uv python pin 3.12
conda activate app通常无需激活，使用uv run ...
conda install requestsuv add requests
conda remove requestsuv remove requests
conda env update -f environment.ymluv sync
conda env export提交pyproject.toml 与 uv.lock
conda listuv pip list 或 uv tree
conda run -n app python x.py在项目目录执行uv run python x.py
删除环境删除.venv；下次 uv sync 可重建

13.5 避免 Conda 与 uv 环境串用 ​

如果终端默认显示 (base)，建议先：

bash
conda deactivate

可选：关闭 Conda 自动激活 base：

bash
conda config --set auto_activate_base false

然后在 uv 项目中检查：

bash
uv run python -c "import sys; print(sys.executable)"

路径应指向当前项目的 .venv，而不是 Conda 环境。

14. 一个适合数据采集的完整项目 ​

14.1 初始化 ​

bash
uv init web-collector
cd web-collector
uv python pin 3.12
uv add httpx beautifulsoup4 tenacity
uv add --dev pytest ruff

14.2 编写 main.py ​

python
import httpx
from bs4 import BeautifulSoup
from tenacity import retry, stop_after_attempt, wait_exponential


@retry(stop=stop_after_attempt(3), wait=wait_exponential(min=1, max=8))
def fetch_title(url: str) -> str:
    response = httpx.get(url, timeout=20, follow_redirects=True)
    response.raise_for_status()
    soup = BeautifulSoup(response.text, "html.parser")
    return soup.title.get_text(strip=True) if soup.title else ""


if __name__ == "__main__":
    print(fetch_title("https://example.com"))

14.3 运行与检查 ​

bash
uv run python main.py
uv run ruff check .
uv run pytest

14.4 团队成员拉取项目 ​

bash
git clone <仓库地址>
cd web-collector
uv sync --locked
uv run python main.py

团队成员不需要知道你的 Conda 环境，也不需要手工逐个安装包。

15. IDE 配置 ​

VS Code / Cursor ​

  1. 在项目中先执行一次 uv sync；
  2. 打开命令面板；
  3. 选择 Python: Select Interpreter；
  4. 选择项目中的 .venv Python。

典型路径：

text
macOS/Linux: <项目>/.venv/bin/python
Windows:     <项目>/.venv/Scripts/python.exe

PyCharm ​

添加 Existing/Local Interpreter，指向同一 .venv 解释器即可。

不要让 IDE 另外再建一个环境，否则终端与 IDE 可能使用不同依赖。

16. 私有 PyPI 与镜像源 ​

临时指定索引：

bash
uv add --index https://pypi.example.com/simple internal-package

uv 支持在 pyproject.toml 中声明索引，并把特定包固定到特定索引。企业项目建议使用 uv 官方的“Package indexes”配置方式，不要只复制 pip 的配置并假设解析策略完全相同。

凭据不要写入 Git。优先使用：

  • CI secret；
  • 环境变量；
  • uv 的认证命令或系统凭据存储；
  • 企业提供的短期 token。

排查索引与解析问题时：

bash
uv add -v some-package
uv lock -v

镜像源的可用参数与认证方式可能随基础设施不同，落地时以你使用的镜像服务说明和 uv 官方索引文档为准。

17. GitHub Actions CI ​

一个简洁的测试工作流：

yaml
name: test

on: [push, pull_request]

jobs:
  test:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
      - uses: astral-sh/setup-uv@v6
        with:
          enable-cache: true
      - run: uv python install
      - run: uv sync --locked --all-groups
      - run: uv run pytest

如果只需默认开发依赖，可省略 --all-groups。

关键原则：

  • 提交 uv.lock；
  • CI 使用 --locked；
  • 缓存 uv 下载缓存，而不是把本地 .venv 提交进仓库；
  • 测试命令仍通过 uv run 执行。

18. Docker 部署 ​

以下是应用项目的基础示例：

dockerfile
FROM python:3.12-slim

COPY --from=ghcr.io/astral-sh/uv:latest /uv /uvx /bin/

WORKDIR /app

COPY pyproject.toml uv.lock ./
RUN uv sync --frozen --no-dev --no-install-project

COPY . .
RUN uv sync --frozen --no-dev

ENV PATH="/app/.venv/bin:$PATH"

CMD ["python", "main.py"]

为什么分两次复制：依赖文件不变时，Docker 可以复用依赖安装层；只修改业务代码不会重新下载所有依赖。

生产建议：

  • 正式项目不要长期依赖浮动的 uv:latest，应固定已验证的 uv 版本或镜像 digest；
  • 使用 --frozen 防止构建时改锁；
  • 使用 --no-dev 排除开发依赖；
  • 系统库仍通过 apt-get、基础镜像或多阶段构建提供。

19. Workspace：管理多个相关 Python 包 ​

当一个仓库包含多个相互依赖的包时，可以使用 uv workspace，例如：

text
repo/
├── pyproject.toml
└── packages/
    ├── collector-core/
    └── collector-cli/

根 pyproject.toml：

toml
[tool.uv.workspace]
members = ["packages/*"]

workspace 共享一个锁文件，适合 monorepo。

但不要一开始就使用 workspace。只有确实存在多个可独立发布或复用的包时再引入；普通采集项目用一个 pyproject.toml 就够了。

20. 构建与发布 Python 包 ​

创建可发布包：

bash
uv init --package my-package
cd my-package
uv build

产物位于 dist/，通常包含 wheel 和源码包。

发布前检查项目元数据、测试，并先考虑 TestPyPI。正式发布：

bash
uv publish

通过环境变量或可信发布配置提供 token，不要把 token 写入 shell 历史、源码或 pyproject.toml。

仅在你要把代码作为库/命令行程序分发时才需要本节。普通内部应用无需为了“规范”而发布成包。

21. 缓存、清理与磁盘空间 ​

uv 会缓存下载和构建结果，因此第二次安装通常很快。

查看缓存目录：

bash
uv cache dir

查看缓存大小：

bash
uv cache size

清理缓存：

bash
uv cache clean

不要把清缓存当作日常步骤；缓存正是 uv 快的原因。只有磁盘紧张或排查疑似缓存损坏时再清理。

22. 常见问题排查 ​

22.1 uv 命令找不到 ​

重新打开终端，或检查安装目录是否在 PATH：

bash
command -v uv
echo "$PATH"

Windows 使用：

powershell
Get-Command uv

22.2 运行的不是预期 Python ​

bash
uv run python --version
uv run python -c "import sys; print(sys.executable)"
uv python list

必要时：

bash
uv python pin 3.12
uv sync

22.3 代码中能 import，IDE 却报红 ​

IDE 选错了解释器。把解释器改为项目 .venv 中的 Python。

22.4 ModuleNotFoundError ​

先确认依赖是否已声明：

bash
uv tree
uv add 缺少的包名
uv run python your_script.py

不要用系统 pip install 临时补包，否则项目声明和实际环境会分叉。

22.5 锁文件冲突 ​

Git 合并后优先让 uv 重新生成一致锁文件：

bash
uv lock
uv sync

然后运行测试并提交新锁文件。不要长期手工编辑复杂的 uv.lock 冲突内容。

22.6 原生扩展构建失败 ​

使用详细日志：

bash
uv sync -v

常见原因不是 uv 本身，而是：

  • 当前 Python/平台没有对应 wheel；
  • 缺少 C/C++/Rust 编译器；
  • 缺少系统头文件或动态库；
  • 包尚不支持过新的 Python 版本。

优先尝试受支持的稳定 Python 版本；再根据包文档安装系统依赖。

22.7 想彻底重建环境 ​

macOS/Linux：

bash
rm -rf .venv
uv sync

Windows PowerShell：

powershell
Remove-Item -Recurse -Force .venv
uv sync

这不会丢失项目依赖，因为依赖来源在 pyproject.toml 和 uv.lock。

22.8 网络慢或无法访问 PyPI ​

bash
uv sync -v

检查代理、DNS、证书、企业索引和认证配置。不要通过关闭 TLS 校验来“解决”证书问题。

23. 最佳实践清单 ​

应该做 ​

  • 新项目用 uv init；
  • 依赖用 uv add / uv remove 管理；
  • 命令通过 uv run 执行；
  • 提交 pyproject.toml、uv.lock；
  • 忽略 .venv 与密钥文件；
  • CI 使用 uv sync --locked；
  • 定期、有测试地升级锁文件；
  • 系统依赖交给系统包管理器或 Docker。

不应该做 ​

  • 不要混用 pip install、conda install 和 uv add 去修改同一个环境；
  • 不要提交 .venv；
  • 不要手改 uv.lock；
  • 不要从 conda list 复制全部间接依赖；
  • 不要把 API token 写进 pyproject.toml 或 Git；
  • 不要把 uv pip 当作新项目的默认项目管理方式；
  • 不要为一个简单项目过早引入 workspace、复杂私有索引或多层依赖组。

24. 速查表 ​

bash
# 安装/升级
uv --version
uv self update

# 新项目
uv init my-project
uv init --package my-package
uv init --script task.py

# Python
uv python list
uv python install 3.12
uv python pin 3.12

# 依赖
uv add requests
uv add --dev pytest
uv add --group lint ruff
uv remove requests
uv tree

# 环境与锁
uv sync
uv sync --locked
uv sync --no-dev
uv lock
uv lock --upgrade-package requests
uv lock --upgrade

# 运行
uv run python main.py
uv run pytest
uv run --with requests script.py

# 单文件脚本
uv add --script task.py requests
uv run task.py

# 命令行工具
uvx ruff check .
uv tool install ruff
uv tool list
uv tool upgrade --all

# pip 兼容模式
uv venv
uv pip install -r requirements.txt
uv pip compile requirements.in -o requirements.txt
uv pip sync requirements.txt

# 导出、构建、发布
uv export --format requirements-txt --output-file requirements.txt
uv build
uv publish

# 排查
uv run python -c "import sys; print(sys.executable)"
uv sync -v
uv cache dir
uv cache clean

25. 从入门到熟练的 7 天练习路线 ​

第 1 天：完成最小闭环 ​

bash
uv init demo
cd demo
uv add requests
uv run python main.py

目标：理解 pyproject.toml、uv.lock、.venv 的角色。

第 2 天：迁移一个小脚本 ​

把一个旧采集脚本改成 PEP 723 单文件脚本：

bash
uv init --script collect.py --python 3.12
uv add --script collect.py requests beautifulsoup4
uv run collect.py

第 3 天：迁移一个真实项目 ​

  • 只添加直接依赖；
  • 添加 pytest 和 ruff 为开发依赖；
  • 使用 uv run pytest 验证；
  • 提交 pyproject.toml 与 uv.lock。

第 4 天：掌握升级与回滚 ​

bash
uv lock --upgrade-package requests
uv run pytest
git diff uv.lock

目标：把依赖升级视为可审查的代码变更。

第 5 天：接入 IDE 与 CI ​

  • IDE 选择 .venv；
  • GitHub Actions 使用 setup-uv；
  • CI 使用 uv sync --locked。

第 6 天：部署 ​

  • 用 Docker 构建一次；
  • 使用 --frozen --no-dev；
  • 理解系统依赖不归 uv 管。

第 7 天：高级能力按需学习 ​

根据真实需求选择：私有索引、workspace、构建发布。没有需求就不学、不配；日常工作流并不需要它们。

26. 你真正需要形成的心智模型 ​

把 Conda 时代的“维护一个叫某某名字的环境”，转换为：

text
项目声明（pyproject.toml）
        ↓ 解析并锁定
锁文件（uv.lock）
        ↓ 同步
本地环境（.venv，可随时重建）
        ↓ 执行
uv run <命令>

最终你日常真正高频使用的仍然只是：

bash
uv add <包>
uv remove <包>
uv run <命令>
uv sync
uv lock --upgrade-package <包>

先把这五个命令用熟，再根据真实项目需要学习其他能力。这比背完所有参数更接近“精通”：知道默认路径，也知道什么时候不该增加复杂度。

27. 官方资料 ​

今日和总访问量
本站收录内容源自互联网，不对其网站内容或交易负责。 | 如有内容侵犯权益，请联系站长删除相关内容！

Copyright © 2024 IT.Python斗罗 |