Python虚拟环境管理新利器——uv全解析

Python项目开发中，虚拟环境和依赖管理一直是让人头疼的话题。今天给大家介绍一个极致高速、功能强大的Python包和项目管理工具——uv，它由Rust语言编写，是由著名的Astral团队打造，同时也是性能爆棚的代码检查工具Ruff的作者开发。

一、什么是uv？

uv是一款极其快速的Python包和项目管理工具，支持项目依赖管理、虚拟环境创建、脚本执行、命令行工具管理和Python版本切换。uv试图集成pip、virtualenv、pipx等工具的能力，并通过Rust优化性能，带来10~100倍的速度提升。

二、安装uv

1. 脚本安装（macOS/Linux）

1

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

2. PowerShell安装（Windows）

1

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

3. PyPI安装

1

pip install uv

或者使用pipx安装：

1

pipx install uv

安装后可使用内置命令自我升级：

1

uv self update

更多安装详情和方法请参考官方文档：安装文档。

三、核心功能介绍

1. 项目管理

uv提供类似poetry或rye的项目管理能力：

  • 快速初始化项目：uv init example
  • 快速添加依赖并自动创建虚拟环境：uv add ruff
  • 运行项目命令：uv run ruff check
  • 锁定依赖版本：uv lock
  • 同步依赖：uv sync

示例：

1
2
3
4
5
6

$ uv init example
$ cd example
$ uv add ruff
$ uv run ruff check
$ uv lock
$ uv sync

详细项目使用指南见官方项目文档。

2. 脚本依赖管理

可以为单个.py脚本声明依赖，并在隔离环境中执行：

1
2
3

echo 'import requests; print(requests.get("https://astral.sh"))' > example.py
uv add --script example.py requests
uv run example.py

这让快速编写带依赖的小工具变得十分便捷。脚本使用指南。

3. 命令行工具管理

通过uvx快速在临时环境运行CLI工具，也可永久安装：

1
2
3
4

uvx pycowsay 'hello world!'

uv tool install ruff
ruff --version

类似pipx，方便管理Python工具链。工具管理文档。

4. Python版本管理

uv内置Python版本管理功能，支持多版本安装与切换：

1
2
3
4
5
6
7

uv python install 3.10 3.11 3.12

uv venv --python 3.12.0

uv run --python pypy@3.8 -- python --version

uv python pin 3.11

官方文档：Python版本安装指南。

5. pip接口增强

uv提供对pip，pip-tools和virtualenv的替代接口，兼容现有工作流，且性能提升显著：

  • 精确锁定依赖版本
  • 跨平台的依赖文件生成
  • 虚拟环境简单创建与依赖同步

示例：

1
2
3
4
5

uv pip compile docs/requirements.in --universal --output-file docs/requirements.txt

uv venv

uv pip sync docs/requirements.txt

详细请见：pip接口文档。

四、总结

uv是一款集包管理、虚拟环境、Python版本管理、脚本依赖及CLI工具管理于一体的现代化Python管理工具。依靠Rust的高速执行内核，极大提升了开发体验和效率，非常适合追求极速与高效的Python开发者。

如果你还在用传统pip+virtualenv，或者想体验更智能的Python多版本管理和项目隔离，不妨试试uv，相信它会成为你新的生产力工具。

相关文章与资源

使用 uv 与 Jupyter 集成指南

Jupyter 作为交互式计算、数据分析和可视化的利器，深受开发者欢迎。利用uv，你可以灵活地将Jupyter集成到项目环境中，或作为独立工具使用。

1. 在项目中使用 Jupyter

如果你正在使用uv管理项目依赖和虚拟环境，可以通过以下命令启动访问项目虚拟环境的Jupyter服务器：

1

uv run --with jupyter jupyter lab

默认情况下，jupyter lab 会在 http://localhost:8888/lab 启动服务。

在Notebook中，你可以像平时一样导入项目依赖的库（如requests），这些库都来源于项目专属的虚拟环境。

1.1 创建专用Kernel（内核）

如果计划在Notebook里直接安装新的依赖，建议为项目创建一个独立Kernel。这样Jupyter服务和Notebook分别运行在不同环境，安装依赖时可以确保作用于项目环境。

步骤如下：

  • 以开发依赖安装ipykernel：
1

uv add --dev ipykernel
  • 为项目创建Kernel：
1

uv run ipython kernel install --user --env VIRTUAL_ENV=$(pwd)/.venv --name=project
  • 重启Jupyter服务：
1

uv run --with jupyter jupyter lab

打开Notebook时，在内核选择器中选project内核。此时，可以用：

1

!uv add pydantic

往项目依赖中添加pydantic，或者用

1

!uv pip install pydantic

仅在虚拟环境安装pydantic，但不更新项目配置文件（如pyproject.toml、uv.lock）。两种方式均可在Notebook内直接使用import pydantic。

1.2 不创建Kernel时安装包

若不想创建Kernel，也可在Notebook里安装包。但需注意：

  • 以uv run --with jupyter启动时，Notebook中执行!uv add会修改项目的虚拟环境，import立即生效。
  • 执行!uv pip install则只会影响Jupyter服务器所处的环境（非项目环境），且该依赖只在当前Jupyter会话有效，重启服务后失效。
  • 如果需要在Notebook中使用%pip魔法命令，建议先用：
1
2

uv venv --seed
uv run --with jupyter jupyter lab

这样Notebook里通过%pip install安装的软件包会添加到项目的虚拟环境中，但不会同步更新项目依赖配置。

2. 独立模式下使用 Jupyter

想临时运行Jupyter进行快速测试，可用：

1

uv tool run jupyter lab

此命令启动一个独立、隔离的Jupyter环境，不依赖任何项目。

3. 在非项目环境中使用 Jupyter

若你有一个没有pyproject.toml或uv.lock的虚拟环境，也能安装Jupyter并使用：

1
2
3
4

uv venv --seed
uv pip install pydantic
uv pip install jupyterlab
.venv/bin/jupyter lab

此时Notebook内可import pydantic，也能通过!uv pip install或!pip install安装其他包。

4. 在 VS Code 中使用 uv 管理的 Jupyter

VS Code 支持Jupyter Notebook，推荐在uv项目中为Notebook创建Kernel，步骤如下：

1
2
3
4

uv init project
cd project
uv add --dev ipykernel
code .
  • 在VS Code中打开项目目录
  • 通过命令面板选择“创建Jupyter Notebook”，启动时选择“Python Environments”下的项目虚拟环境（macOS/Linux为.venv/bin/python，Windows为.venv\Scripts\python）

注意
VS Code要求ipykernel必须安装在项目环境中。若不想作为开发依赖安装，也可以直接用uv pip install ipykernel安装。

如果想在Notebook中用!uv add或!uv pip install操作项目环境，建议先将uv本身也加为开发依赖：

1

uv add --dev uv

这样能更方便地管理Notebook中的依赖安装和同步。

小结

利用uv对Jupyter的支持，可以轻松实现：

  • 在项目中启动Jupyter，自动隔离环境
  • 创建专用Kernel保证依赖安装归属清晰
  • 在无Kernel情况下灵活安装包
  • 独立启动Jupyter实验环境
  • 在VS Code等编辑器流畅使用uv管理的项目环境

Juvio：支持依赖管理、可复现且友好的Git集成Jupyter笔记本

Juvio 是一个帮助你在Jupyter笔记本中实现可复现依赖管理和简洁版本控制的工具，专为Python数据科学和交互式编程设计。

主要功能

💡 内嵌依赖管理

你可以直接在笔记本中安装所需包：

1

%juvio install numpy pandas

这些依赖会以PEP 723规范的形式，自动保存为笔记本中的元数据：

1
2
3
4
5
6
7

# /// script
# requires-python = "==3.10.17"
# dependencies = [
#   "numpy==2.2.5",
#   "pandas==2.2.3"
# ]
# ///

这样，笔记本自身就记录了完整的运行环境需求。

⚙️ 自动环境搭建

每次打开笔记本时，Juvio会自动通过uv创建临时虚拟环境并安装相应依赖，保证代码在正确的Python和包版本下运行，真正实现环境复现。

📁 Git 友好格式

Juvio自动将笔记本转换成基于# %%分块的脚本格式，方便Git进行差异对比，解决了传统.ipynb文件难以直观比对的问题：

1
2
3
4
5
6
7
8

# %%
%juvio install numpy
# %%
import numpy as np
# %%
arr = np.array([1, 2, 3])
print(arr)
# %%

如何使用 Juvio

⚠️ 目前 Juvio 处于测试阶段，可能存在一些不稳定或缺陷，欢迎提issue反馈。

  1. 安装Juvio：
1
2

pip install juvio
jupyter labextension enable juvio-frontend

  1. 确保你已安装了uv（安装文档见：https://docs.astral.sh/uv/getting-started/installation/）

  2. 启动JupyterLab，创建并打开一个Juvio支持的笔记本。

  3. 在笔记本中用%juvio install ...安装依赖，运行代码。

已知问题： 如果遇到“Notebook does not appear to be JSON”的错误，尝试用以下命令启动JupyterLab：

1

jupyter lab --ServerApp.jpserver_extensions="{'juvio': True}"

这样可以避免启动时的兼容性问题。

为什么选择 Juvio？

  • 不需要额外的lock或requirements文件，依赖直接内嵌记录
  • 环境可复现，确保代码随时可重现运行
  • 生成更干净、易读的Git diff，极大方便版本管理

技术支持

  • 由高速Python包管理工具uv驱动环境管理
  • 遵循标准的Python内嵌依赖格式（PEP 723）
  • 采用类似jupytext的脚本分块格式，方便版本控制

Juvio让Jupyter笔记本更易管理和共享，提升科研与开发工作流的可维护性和效率。如果你关心笔记本的依赖管理和代码复现，强烈推荐试用！