📌 项目地址:astral-sh/uv | ⭐ 92,170 颗星 | 🔧 Rust

Python 的包管理一直是个“拼积木”的活:pip 装包,virtualenv 建环境,pyenv 切版本,pipx 装 CLI 工具,poetry 管项目,twine 发包。uv 想用 Rust 写的一个二进制把这一排工具全替掉。官方基准测试给出的数字是比 pip 快 10 到 100 倍。

uv 由 Astral 开发,就是做 Ruff 和类型检查器 ty 的那家公司。到现在已经积累了九万多 star,是目前 Python 工具链里讨论度最高的项目之一。

它到底管了哪些事

按 README 列的功能,uv 覆盖的范围包括:

  • 项目管理:依赖解析、虚拟环境、锁文件,用法类似 poetry 和 rye。锁文件是“通用”的,跨平台可复现。
  • Python 版本管理:不用单独装 pyenv,uv 自己就能装和切换多个 Python 版本。
  • 运行脚本:支持在单文件脚本里内联声明依赖,直接跑。
  • 安装 CLI 工具:以 Python 包形式发布的命令行工具,uv 能像 pipx 那样安装和运行。
  • pip 兼容接口:命令行习惯和 pip 一致,换个前缀就能用,性能照涨。
  • Cargo 风格 workspace:多包的大型项目可以按 Rust 生态的方式组织。
  • 全局缓存:所有项目共享一份依赖缓存,装十个项目的 requests 只占一份磁盘空间。

安装和上手

安装不需要 Rust,甚至不需要已有的 Python。macOS 和 Linux 用官方脚本:

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

Windows 对应的是:

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

如果机器上已经有 pip 或 pipx,也可以 pip install uv 或 pipx install uv。用独立脚本装的,之后 uv self update 就能自更新,不用再跑一遍安装命令。

跑通一个项目的完整流程

README 里的演示值得原样看一遍,因为里面的耗时数字很有信息量:

$ uv init example
Initialized project `example` at `/home/user/example`

$ cd example

$ uv add ruff
Creating virtual environment at: .venv
Resolved 2 packages in 170ms
   Built example @ file:///home/user/example
Prepared 2 packages in 627ms
Installed 2 packages in 1ms
 + example==0.1.0 (from file:///home/user/example)
 + ruff==0.5.0

$ uv run ruff check
All checks passed!

$ uv lock
Resolved 2 packages in 0.33ms

$ uv sync
Resolved 2 packages in 0.70ms
Checked 1 package in 0.02ms

几个细节值得单独说。uv add 第一次运行时自动创建了 .venv,不需要先手动建虚拟环境。uv run 直接在项目环境里执行命令,省掉了 activate 这一步。uv lock 解析两个包用了 0.33ms,uv sync 检查一个包用了 0.02ms,这些是控制台里真实打印出来的数字,不是宣传话术。

迁移成本怎么估

我觉得 uv 最聪明的设计是分层:你不必一次全换。

只想加速现有的 pip 工作流,用它的 pip 兼容接口,命令照旧,前缀从 pip 换成 uv。用 poetry 的,uv init / uv add / uv lock / uv sync 这套心智模型基本一致,主要成本在配置文件格式。pyenv 加 pipx 加 virtualenv 的组合,则是一个二进制直接全包了。

迁移前要想清楚的两件事

一是冷门行为可能有差异。pip 兼容接口覆盖的是常用场景,如果你的流水线依赖少见的 pip 行为,迁移前先测一遍。

二是项目的治理模式。uv 由商业公司 Astral 主导,开源但公司控盘。Ruff 时期社区就对这种模式有过讨论,介意的话可以把这点纳入考量。

更细的用法(workspace 配置、脚本依赖声明、其他安装方式)在官方文档 docs.astral.sh/uv,命令行参考直接跑 uv help。

如果每天都要写 Python,uv 大概是这两年回报率最高的一次工具切换:起步零成本,天花板很高。

这篇文章对你有帮助吗?

发表回复