Python 环境管理工具选谁：uv / conda / poetry / pixi 对比

Python 世界的环境管理工具太多——pip、virtualenv、pipenv、poetry、conda、mamba、rye、uv、pixi、hatch……哪个最适合现在（2026 年）用？简单结论：大多数项目 uv，AI/CUDA 项目考虑 pixi 或 conda。

对比表

工具	环境管理	包管理	速度	主要适用	现状
uv	✅	✅	🚀 最快	大多数 Python 项目	活跃、事实标准
pixi	✅	✅	🚀 很快	AI/CUDA/科学计算	新兴，快速崛起
conda	✅	✅	慢	AI、科学计算	稳定但笨重
mamba	✅	✅	快	conda 生态替代	活跃
poetry	✅	✅	中	库/应用打包	成熟，用户多
pipenv	✅	✅	慢	老项目	维护缓慢
rye	✅	✅	快	曾是首选	已合并入 uv
hatch	✅	✅	快	多环境测试	小众
pip + venv	✅	✅	慢	兜底	官方最基础方案

uv：默认选它

uv 是 Astral（写 Ruff 的那家）用 Rust 实现的一体化工具，把这些的能力都整合了：

• pyenv（Python 版本管理）
• virtualenv（虚拟环境）
• pip（包管理）
• pip-tools（依赖锁定）
• pipx（全局工具）

日常操作：

uv init                    # 初始化项目
uv python install 3.11     # 装 Python 3.11
uv add requests            # 加依赖
uv add --dev pytest        # 开发依赖
uv sync                    # 同步依赖到 .venv
uv run main.py             # 用项目环境跑
uv tool install ruff       # 全局装工具（类似 pipx）

速度上，pip 装 20 个包要 30 秒，uv 通常 2-3 秒。CI 尤其明显。

什么时候不用 uv

CUDA 依赖复杂 + 遇到 wheel 找不到：

比如：

• Windows 上装 triton — 直接没轮子（见 uv 依赖冲突）
• OpenCV 特殊构建（Contrib、GPU）
• CUDA 版本要精确匹配 PyTorch
• Intel MKL / Nvidia cuDNN 直接依赖

这些场景conda / pixi 生态里有预编译好的二进制，uv 从 PyPI 拿不到就得自己编译（往往编不过）。

Pixi：AI 项目的新选择

Pixi 由 conda 生态团队做的下一代工具——Rust 实现，速度接近 uv，能力接近 conda：

pixi init
pixi add python=3.11 pytorch=2.4
pixi add opencv                     # 自动解决 cuda / mkl
pixi run python main.py

优势：

• 兼容 conda-forge 生态（大量预编译二进制）
• 自动解 CUDA / MKL / OpenCV 类非 Python 依赖
• 支持多语言（Python、Rust、C++、Julia）
• 速度快，比 conda 快得多

已经有相当多 AI 开发者从 conda 迁移到 pixi。

Conda / Mamba：老牌 AI 首选

conda 的最大优势是 conda-forge 里几十万个预编译二进制包——包括 CUDA、cuDNN、MKL、OpenCV、FFmpeg 等 Python 生态之外的东西。

问题：

• 解依赖巨慢（几分钟起步）
• 环境臃肿（一个 base 就几个 G）
• 私有仓库通常不支持

Mamba 是 conda 的兼容替代，速度快 10 倍，用法一样：

mamba install pytorch cudatoolkit=11.8
mamba env create -f environment.yml

新项目直接上 pixi，比 conda + mamba 都简单。

Poetry：库开发

写 Python 库、要发 PyPI，poetry 还是很好的选择：

poetry init
poetry add requests
poetry publish

优势：

• 强项在依赖锁定 + 发布 wheel
• pyproject.toml 规范
• 依赖冲突处理清晰

uv 现在也能做发布（uv build + uv publish），但生态积累不如 poetry。

Rye 呢

Rye 之前是 Astral 主推的项目，2024 年宣布功能合并到 uv，Rye 只维护不新增。已经用 Rye 的可以直接迁到 uv，语法几乎一样。

场景推荐

场景	首选	备选
Web / 脚本 / 日常开发	uv	poetry
库开发 + 发 PyPI	uv	poetry
YOLO / PyTorch / LLM 训练	uv（先试）	pixi / mamba
科学计算 + CUDA + MKL	pixi	mamba
老项目改造	保持原有工具	逐步迁 uv
CI 加速	uv

uv 装全局工具

uv 不太强调”全局环境”，但支持全局工具（类似 pipx）：

uv tool install ruff
uv tool install pre-commit
uv tool install pyinstaller

uv tool list
uv tool upgrade ruff
uv tool uninstall ruff

装完直接命令行可用。想真的用一个全局 Python 解释器写脚本，可以：

uv python install 3.11
uv run --python 3.11 script.py

一句话总结

默认 uv，CUDA 复杂就上 pixi。conda/mamba 老 AI 项目继续维护，poetry 专注库发布。Rye 已经并入 uv，不用再学。