uv 使用详解：Python 项目环境、依赖管理与 Docker 部署实战

一、uv 的安装与更新准备

在实际项目中，通常只需选择最适合当前工作流的安装方式即可。

命令行一键安装（Standalone）

适用于本地开发机器快速部署。以下命令会将 uv 下载至系统目录并自动配置环境变量：

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

后续可通过官方提供的命令进行版本升级：

UV_NO_MODIFY_PATH=1 uv self update

Pip 方式安装

该方式更适合在构建 Docker 镜像时使用。由于基础镜像通常仅包含最小化 Python 环境，直接在 Dockerfile 中通过 pip 安装最为稳定：

pip install uv

打包镜像时一般无需更新 uv，保持基础镜像内的依赖一致即可。若需手动升级，可执行：pip install --upgrade uv。

二、创建并初始化 Python 项目

uv init 是搭建项目的核心入口，它能够自动完成目录结构生成、配置文件编写及 Git 仓库初始化。

标准初始化流程

在目标父目录下执行以下命令，可创建指定 Python 版本的子项目：

cd python-uv
uv init --python=3.11 test

该操作会在 test 目录内生成如下标准结构：

• pyproject.toml：项目元数据与依赖声明的核心配置文件。
• .python-version：记录项目绑定的 Python 解释器版本。
• .gitignore / .git / README.md / main.py：Git 追踪与启动文件。

此时虚拟环境尚未创建。在项目根目录执行 uv sync 或首次运行脚本时，才会自动生成 .venv 与锁文件：

uv run main.py

终端输出验证初始化成功：

Using CPython 3.11.13
Creating virtual environment at: .venv
Hello from test!

关闭 Git 自动初始化的参数调整

若本地已存在独立 Git 仓库，仅需初始化 uv 相关配置。可通过参数精简生成过程：

uv init test --description="a test uv project" --vcs=none --no-readme --python=3.11 --managed-python

--managed-python 指示 uv 自动管理 Python 解释器的下载与切换，避免依赖系统全局环境。

三、依赖管理与版本锁定机制

依赖管理的核心在于平衡灵活性（获取 Bug 修复）与稳定性（构建可复现）。推荐使用 uv add 统一管理。

添加与声明依赖

固定版本安装：

uv add "fastapi[standard]==0.116.0"

设定上下限范围以兼容修订版更新（推荐）：

uv add "fastapi[standard]>=0.116, <0.117"

不指定版本则默认拉取最新版并写入约束：

uv add httpx

删除依赖可使用：uv remove {package}。

依赖分组（Dependency Groups）

除主依赖外，uv 支持通过分组隔离测试、 linting 等开发工具，避免它们被打包进生产环境。

内置 dev 组用于测试依赖：

uv add pytest --dev

自定义组（如 lint）：

uv add --group lint ruff

生成的配置文件片段如下：

[dependency-groups]
dev = [
    "pytest>=8.4.1",
]
lint = [
    "ruff>=0.12.8",
]

[tool.uv]
default-groups = ["dev", "lint"]

注意：自定义组默认不会随 uv sync 安装，必须在 [tool.uv] 下的 default-groups 中显式声明，否则 CI/CD 环境中将无法调用对应的代码检查工具。

四、uv run 命令实战与本地调试

uv run 提供了无需激活虚拟环境即可无缝执行代码的能力，底层等价于同步依赖、切换环境后运行。

运行不同类型的脚本

直接执行 Python 代码片段：

uv run python -c "import sys; print(sys.executable)"

运行无 Shebang 头部的普通脚本（无需显式写 python sample.py）：

uv run sample.py

运行 Shell 包装脚本：

uv run bash foo.sh

调用第三方包 CLI 指令

许多现代 Python 框架安装了命令行快捷指令。使用 -- 分隔符可将后续参数完全传递给目标程序：

uv run -- fastapi dev main.py --port 8090

此特性同样适用于调试配置。在 VS Code 的 launch.json 中配置断点：

{
    "version": "0.2.0",
    "configurations": [
        {
            "name": "uv single file debug",
            "type": "debugpy",
            "request": "launch",
            "program": "${file}",
            "console": "integratedTerminal"
        },
        {
            "name": "uv fastapi debug",
            "type": "debugpy",
            "request": "launch",
            "module": "fastapi",
            "console": "integratedTerminal",
            "args": ["dev", "main.py", "--port", "8090"]
        }
    ]
}

配置完成后，需在 VS Code 中选择项目虚拟环境作为解释器：View → Command Palette → Python: Select Interpreter，指向 .venv/bin/python 即可享受完整的 IntelliSense 与断点调试体验。

五、容器化部署 Docker 配置

为保证构建环境与生产环境高度一致，建议在 CI 阶段严格校验锁文件，并在容器入口启用冻结模式。

锁文件与同步策略差异

标准化 Dockerfile 模板

结合上述机制，以下为经过验证的生产级镜像构建流程：

FROM python:3.11.13-slim

WORKDIR /app
COPY ./ ./

RUN pip install uv

# CI 阶段确保依赖已是最新且符合规范
RUN uv sync --locked

EXPOSE 8090

# 容器启动时严格锁定版本，提升安全性与可重复性
ENTRYPOINT ["uv", "run", "--frozen", "--", "fastapi", "run", "main.py", "--host", "0.0.0.0", "--port", "8090"]

构建与运行验证：

docker build -t uv-test:latest . --no-cache
docker run --rm -p 8090:8090 --name uv-test uv-test:latest

请求测试接口返回预期结果，证明环境隔离与依赖挂载均正常工作。

六、总结

uv 通过统一的 init、sync 与 run 指令链，彻底简化了 Python 项目的生命周期管理。配合 uv.lock 精确锁定与 --frozen 部署策略，可有效规避环境漂移带来的线上故障。以上就是 python uv 详细使用教程的完整内容，更多关于 Python 现代化工程工具的资料请关注本站其它相关文章！