Python uv 專案管理完整教學：取代 pip 與 Poetry 的新一代開發工具

為什麼 2026 年你該認識 uv？

如果你在 2024 年以前寫 Python，大概對這套流程不陌生：先裝 pyenv 管理 Python 版本，再用 virtualenv 或 venv 建虛擬環境，然後靠 pip 裝套件，想要鎖版本就得搬出 pip-tools 或 Poetry。光是把開發環境搞定，就得串好幾個工具。

Astral 團隊（對，就是做出 Ruff 那個超快 Python Linter 的團隊）用 Rust 寫了一個叫 uv 的工具，目標很簡單：一個工具搞定所有事。它能取代 pip、pip-tools、pipx、poetry、pyenv、virtualenv，而且速度快到讓人懷疑人生——冷安裝 JupyterLab 只要 2.6 秒，pip 要 21.4 秒，快了將近 10 倍。

如果你還在用傳統的 Python 虛擬環境管理方式，這篇文章會讓你重新思考整個工作流程。

uv 是什麼？核心概念一次看懂

uv 是一個用 Rust 撰寫的 Python 套件與專案管理工具。截至 2026 年 3 月，版本來到 0.10.x，已經非常穩定，社群採用率也在快速成長。它的核心定位是「Python 的 Cargo」——如果你寫過 Rust，就知道 Cargo 有多爽。

uv 能做的事情包括：

• Python 版本管理：不需要 pyenv，uv 自己就能安裝和切換 Python 版本
• 虛擬環境：自動建立與管理，不需要手動 source activate
• 套件安裝：完全相容 pip 的介面，但快 10-100 倍
• 依賴鎖定：內建 universal lockfile，跨平台一致性
• 專案管理：基於 pyproject.toml（PEP 517/518），Cargo 風格的 workspace 支援
• 工具執行：取代 pipx，可以直接跑 CLI 工具

安裝 uv：30 秒搞定

安裝方式非常簡單，官方推薦用 standalone installer：

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

# Windows (PowerShell)
powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

# 或者如果你還有 pip（有點諷刺）
pip install uv

安裝完成後，驗證一下：

uv --version
# uv 0.10.11

用 uv 管理 Python 版本

以前要裝不同版本的 Python，得靠 pyenv 或手動編譯。現在 uv 直接搞定：

# 查看可用的 Python 版本
uv python list

# 安裝特定版本
uv python install 3.12
uv python install 3.11

# 設定專案使用的 Python 版本
uv python pin 3.12

uv 會自動下載預編譯的 Python 發行版，不需要等編譯，幾秒鐘就裝好。

建立新專案：從零開始

這是 uv 最甜的地方。一個指令就能建好完整的專案結構：

# 建立新專案
uv init my-awesome-project
cd my-awesome-project

# 專案結構長這樣：
# my-awesome-project/
# ├── pyproject.toml
# ├── README.md
# └── src/
#     └── my_awesome_project/
#         └── __init__.py

打開 pyproject.toml，你會看到乾淨的設定檔：

[project]
name = "my-awesome-project"
version = "0.1.0"
requires-python = ">=3.12"
dependencies = []

套件管理：加速你的日常開發

新增套件超直覺：

# 加入依賴
uv add fastapi
uv add uvicorn
uv add httpx

# 加入開發依賴
uv add --dev pytest ruff mypy

# 移除套件
uv remove httpx

每次 uv add 都會自動更新 pyproject.toml 和 uv.lock。那個 lockfile 是跨平台的 universal lockfile，意思是不管你在 macOS、Linux 還是 Windows 開發，鎖定的版本都一致。這對團隊協作來說是個大加分。

想要跑你的 FastAPI 專案？直接用 uv run：

# 執行腳本（自動處理虛擬環境）
uv run python main.py

# 執行套件指令
uv run uvicorn app:app --reload

# 執行測試
uv run pytest

uv run 會自動確保虛擬環境存在、依賴都裝好，然後在正確的環境裡執行指令。你不需要手動 activate 任何東西。

pip 使用者無痛遷移

如果你已經有一個用 pip 管理的專案，uv 提供了完全相容的介面：

# 這些指令你應該很熟悉
uv pip install requests
uv pip install -r requirements.txt
uv pip freeze > requirements.txt
uv pip list

就是在前面加上 uv，其他完全一樣。但速度會讓你感受到明顯的差異——特別是在 CI/CD pipeline 裡，安裝依賴從幾分鐘縮短到幾秒鐘，累積下來省的時間非常可觀。

從 Poetry 遷移過來

如果你目前用 Poetry 管理專案，遷移到 uv 其實不難，因為兩者都基於 pyproject.toml：

# 1. 在現有專案目錄執行
uv init --existing

# 2. 同步依賴
uv sync

# 3. 產生 lockfile
uv lock

不過有個重要提醒：Poetry 在 library publishing 的工作流程上仍然有優勢。如果你在維護一個要發布到 PyPI 的 library，Poetry 的 poetry publish 流程比較成熟。uv 的 build 和 publish 功能還在持續完善中。但如果你是寫應用程式（web app、API server、腳本、自動化排程等），uv 幾乎在所有面向都更好。

進階用法：Workspace 與工具執行

uv 支援 Cargo 風格的 workspace，適合 monorepo：

# pyproject.toml
[tool.uv.workspace]
members = ["packages/*"]

另外，取代 pipx 來執行一次性的 CLI 工具也很方便：

# 不需要安裝，直接跑
uv tool run ruff check .
uv tool run black .
uv tool run jupyter lab

# 縮寫
uvx ruff check .

這在你想快速用某個工具但不想污染全域環境時特別實用。寫 Python 裝飾器的時候想跑個 linter 檢查？uvx ruff check . 就搞定。

實際效能比較

數字說話。以下是冷安裝（沒有快取）的實測比較：

操作	pip	uv	加速倍數
安裝 JupyterLab	21.4s	2.6s	~8x
安裝 Django + 依賴	8.2s	0.4s	~20x
重新安裝（有快取）	5.1s	0.05s	~100x

有快取的情況下差距更誇張，因為 uv 用了非常激進的快取策略和硬連結，幾乎是瞬間完成。

2026 年的建議：什麼時候用 uv？

簡單總結一下我的建議：

• 新專案：直接用 uv，沒有懸念
• 現有 pip 專案：遷移成本很低，建議遷移
• 現有 Poetry 專案（應用程式）：值得遷移，速度提升明顯
• 現有 Poetry 專案（PyPI library）：可以先觀望，等 uv 的 publish 流程更完善
• CI/CD 環境：強烈建議換 uv，安裝速度的提升直接省錢

如果你是剛開始學 Python 的新手，建議直接從 uv 套件管理器入門開始，跳過 pip 的歷史包袱，用現代工具建立正確的開發習慣。

結語

Python 的套件管理一直是社群的痛點，uv 的出現不是漸進式的改善，而是一次性的跳躍式升級。用 Rust 重寫帶來的效能優勢、統一的工具鏈設計、以及對現有生態系的良好相容性，讓它在 2026 年成為新專案的首選已經沒有太多爭議。

裝個 uv 試試看吧，你的開發體驗會有明顯的改變。