uv 与 conda 对比：Python 环境管理工具选型指南

uv 的全局包缓存能极大节省磁盘空间，避免重复下载。其依赖解析基于 Rust 实现，速度优势明显。

# conda 安装
conda install requests

# uv 安装
uv pip install requests

Python 版本管理

两者都能管理 Python 版本，但来源和方式略有不同。

💡 conda 在版本管理上更成熟；uv 的功能发展迅速，但部分仍属实验性。

CLI 工具管理

uv 的工具管理更安全，避免依赖冲突，体验类似 pipx 但更快。

# 推荐用法：临时运行工具
uvx ruff check .

高级功能

项目初始化

uv init myproject
uv add requests flask

单文件脚本依赖管理

在 .py 文件中声明依赖，uv run 会自动安装并运行。

# script.py
# /// script
# requires-python = ">=3.8"
# dependencies = ["requests"]
# ///
import requests
print(requests.get("https://httpbin.org/get"))

运行它：

uv run script.py

工作区支持

支持类似 Cargo 的多项目管理，适合大型工程。

选型建议

什么时候用 conda？

• 需要安装 ffmpeg、cudatoolkit 等非 Python 包
• 团队使用 environment.yml 统一环境
• 在 Windows 上避免编译问题
• 使用 PyTorch/TensorFlow（官方推荐）

什么时候用 uv？

• 追求极致安装速度
• 开发 Web API、CLI 工具、自动化脚本
• 喜欢现代项目结构（pyproject.toml + 锁文件）
• 想用一个工具替代 pip、poetry、pipx

混合使用

你完全可以结合两者优势：用 conda 搭建基础环境，用 uv 管理项目。

# 1. 用 conda 创建基础环境
conda create -n dev python=3.12
conda activate dev

# 2. 在 conda 环境中安装 uv
pip install uv

# 3. 用 uv 管理你的项目
uv venv .venv
uv add fastapi sqlalchemy
uv run main.py

这样既能享受 conda 的稳定性，又能体验 uv 的速度。