在 Python 開發中，虛擬環境（Virtual Environment）是管理依賴和項目隔離的核心工具。傳統的 venv 和 pip 在工程效率上存在諸多痛點，而 conda 雖然功能強大，但其跨語言特性和龐大的體積并非所有場景都需要。今天，我們介紹一個全新的 Python 工具——uv，它結合了 Rust 語言的性能優勢和現代包管理理念，讓 Python 開發更高效、更簡潔。

---

什么是 uv？

uv 是由 Astral 開發的 Python 包管理器和虛擬環境管理工具，用 Rust 編寫，專注于 速度 和 輕量化。相比 conda，uv 的核心優勢在于：

• 極致速度：依賴解析和包安裝速度比 pip 快 10-100 倍。
• 純 Python 生態支持：無縫對接 PyPI 和 pyproject.toml。
• 輕量級隔離：虛擬環境體積小，啟動秒級完成。
• 現代化命令設計：命令簡潔直觀，如 uv venv、uv add 等。

---

安裝 uv

在線安裝（推薦）

Windows 系統

# 使用 PowerShell 安裝 uv
powershell -ExecutionPolicy Bypass -c "irm https://astral.sh/uv/install.ps1 | iex"

注意：安裝后需手動添加環境變量（路徑因人而異，按提示操作）：

$env:Path = "C:\Users\<用戶名>\.local\bin;$env:Path"

Linux / macOS 系統

# 使用 curl 安裝（推薦）
curl -LsSf https://astral.sh/uv/install.sh | sh# 或使用 wget 安裝
wget -qO- https://astral.sh/uv/install.sh | sh

驗證安裝：

uv --version

---

離線安裝

步驟 1：獲取二進制包

從 GitHub Releases 下載對應平臺的離線包，例如：

uv-x86_64-unknown-linux-gnu.tar.gz

步驟 2：解壓并移動到可執行路徑

# 解壓
tar -zxvf uv-x86_64-unknown-linux-gnu.tar.gz# 移動到 ~/.local/bin
sudo mv uv uvx ~/.local/bin/

步驟 3：設置環境變量

# 臨時生效
export PATH="$HOME/.local/bin:$PATH"# 永久生效（添加到 ~/.bashrc 或 ~/.zshrc）
echo 'export PATH="$HOME/.local/bin:$PATH"' >> ~/.bashrc
source ~/.bashrc

驗證安裝

uv --version

---

創建并激活虛擬環境

創建虛擬環境

# 創建名為 rag 的虛擬環境，使用 Python 3.12.7
uv venv rag --python 3.12.7

輸出示例（Windows）：

uv venv rag --python 3.12.7
Using CPython 3.12.7
Creating virtual environment at: rag
Activate with: rag\Scripts\activate

輸出示例（Linux/macOS）：

$ uv venv rag -p 3.12.7
Using CPython 3.12.7
Creating virtual environment at: rag
Activate with: source rag/bin/activate

激活虛擬環境

Windows：

rag\Scripts\activate

Linux/macOS：

source rag/bin/activate

---

uv vs conda：誰更勝一籌？

對比維度	uv (astral-sh/uv)	conda (Anaconda/miniconda)
核心定位	Python 專屬包管理器 + 環境管理器（Rust 開發）	跨語言包管理器 + 環境管理器（支持多編程語言）
速度	優勢顯著：Rust 編譯帶來極致速度，環境創建/刪除秒級完成	速度較慢：依賴解析和安裝耗時久，尤其復雜環境
語言支持	僅支持 Python，專注 PyPI 生態	跨語言支持：Python、R、C++、Fortran 等
依賴處理	輕量：依賴 PyPI，優先處理純 Python 包；復雜二進制依賴需額外配置	二進制依賴處理強：自帶 conda-forge，可直接安裝預編譯科學計算依賴（如 CUDA/MKL 版本的 PyTorch）
環境隔離	輕量級隔離：共享系統底層庫，環境體積小	深度隔離：隔離非 Python 依賴（如 C 庫），兼容性高
生態與兼容性	高兼容：無縫對接 pip 和 PyPI，支持 pyproject.toml	生態成熟：conda-forge 倉庫包數量多，適合數據科學場景
使用門檻	簡單：命令簡潔（如 uv venv、uv add），適合 Python 開發者快速上手	稍高：需理解頻道、二進制依賴等概念

---

適用場景建議

選擇 uv 的場景：

• 純 Python 開發：無需跨語言依賴。
• 追求極致速度：頻繁創建環境、安裝包。
• 現代 Python 項目：需與 pip/poetry 協作。

選擇 conda 的場景：

• 跨語言開發：如 Python+R 或需要 CUDA/MKL 支持。
• 科學計算/機器學習：需預編譯二進制依賴。
• 深度環境隔離：如多版本 CUDA 共存。

---

總結

uv 是 Python 開發者的新寵，它以 Rust 的性能優勢 和 現代化設計，解決了傳統工具的痛點。如果你專注于 Python 生態，追求速度和輕量化，uv 是理想選擇；而 conda 仍然是科學計算領域的全能選手。根據項目需求選擇合適的工具，才能事半功倍！

---

參考資源

• uv GitHub 項目
• uv 官方文檔
• Conda 官方文檔