Use
管理环境¶
安装或更新包可能会改变环境中各个包的版本，导致原来可以运行的程序报错。为了避免这种情况，我们可以为每个项目创建独立的虚拟环境。
如果你仍想使用 Conda
可以参考 Conda 使用教程。
1、初始化项目¶
推荐使用 uv init 来初始化一个新项目。这会自动创建 pyproject.toml 文件来管理依赖。
这将在当前目录生成 pyproject.toml、.python-version 等文件。
不想创建项目，只想要一个虚拟环境
如果你只需要一个简单的虚拟环境（不需要项目管理功能），可以直接创建：
或者指定 Python 版本：
或者指定环境的名称/路径：
2、添加依赖¶
使用 uv add 来安装包，这会自动更新 pyproject.toml 并安装到虚拟环境中：
如何使用 pip install？
uv 也兼容 pip 风格的安装命令：
但推荐优先使用 uv add，因为它会自动管理 pyproject.toml 中的依赖记录。
3、激活环境¶
有两种方式使用虚拟环境中的 Python。
方式一：使用 uv run（推荐）¶
uv run 会自动在虚拟环境中执行命令，无需手动激活：
方式二：手动激活¶
如果你习惯手动激活环境：
激活后，命令行前会出现 (.venv) 前缀，此时可以直接使用 python、jupyter 等命令。
退出环境：
懒得每次都激活环境
可以在 ~/.bashrc 文件的最后一行加上 source /path/to/project/.venv/bin/activate，在每次连接时自动激活某环境。
方式三：VSCode Python 环境插件（推荐）¶
如果你使用 VSCode Remote SSH 连接服务器：
-
安装 Python 扩展（通常已默认安装）。
-
打开你的项目文件夹后，VSCode 会自动检测
.venv目录并提示你选择该解释器。 -
如果未自动检测到，可以手动选择：
- 按
Ctrl+Shift+P（macOS 为Cmd+Shift+P） - 搜索
Python: Select Interpreter - 选择
.venv目录中的 Python 解释器
- 按
-
选择后，VSCode 的终端会自动激活该虚拟环境，无需手动执行
source .venv/bin/activate。
4、恢复环境¶
uv 的一大优势是可以精确地恢复环境。当你在新机器上或者需要重新创建环境时：
uv sync 会根据 pyproject.toml（以及 uv.lock）精确地重新安装所有依赖，确保环境一致。
5、直接调用该环境¶
如果不想进入环境，可以直接调用虚拟环境中的 Python：
或使用 uv run：
6、查看环境信息¶
7、删除环境¶
某个环境如果不再使用了，建议清除掉以节省硬盘空间：
或者如果你有命名的环境：
uv vs Conda¶
为什么推荐 uv？¶
| 特性 | uv | Conda |
|---|---|---|
| 安装速度 | ⚡ 极快（10-100x） | 较慢 |
| 磁盘占用 | 轻量 | 较重（base 环境即占数 GB） |
| 依赖解析 | 快速且精确 | 较慢，有时会卡死 |
| Python 版本管理 | 内置支持 | 内置支持 |
| 环境可复现性 | uv.lock 锁文件精确锁定 |
environment.yml 不够精确 |
| 与 PyPI 兼容 | 完全兼容 | 有自己的渠道，偶有兼容问题 |
| 学习成本 | 低（类似 pip） | 中等 |
什么时候仍应该用 Conda？¶
- 需要安装非 Python 的依赖：Conda 可以管理 C/C++ 库、CUDA toolkit 等系统级依赖，uv 仅管理 Python 包。
- 特定的科学计算包：某些包（如
rdkit、部分生物信息学工具）仅在 Conda 渠道提供。 - 团队已有 Conda 工作流：如果团队已经统一使用 Conda 且运行良好，不必强行切换。