UV，作为新一代的，性能极佳 的 Python 的包安装器和解析器，其网上中文教程却寥寥无几...
由于其目前并不支持自行下载多版本的 Python，这篇文章记录下我借用 conda 的多版本 Python 支持，与 uv 结合，使得能实际使用中完全替代 conda。
也算半个 UV 使用教程了把(大概)。
你可以直接看到 对比：以gpt_academic为例 一节，其能说明所有的折腾都是值得的。
安装
miniconda3
首先安装下 miniconda，其作用是提供多个版本的 Python 给 uv 使用，而不是真的要用 conda ，好消息是不管在 Linux 上还是 Windows 上都可以很方便的安装。
miniconda 你可以看为是 Anaconda 的精简版，仅带有其命令行。
WindowsLinux
winget install --id=Anaconda.Miniconda3 -e
随后使用 conda init 你用的命令行工具 进行初始化，例如 conda init bash。当然你也可以直接 conda init --all 全都给初始化。
uv
随后安装下 uv：
Windows
powershell -c "irm https://astral.sh/uv/install.ps1 | iex"
Linux
curl -LsSf https://astral.sh/uv/install.sh | sh
使用前配置
前面已经提到了，uv 的虚拟环境并不像 conda 一样能提供多版本的 Python。不过其可以借用 conda 的 python。因此我们创建几个 conda 环境(为了给 uv 提供不同版本的 python)。我常用的 Python 版本是 3.9，3.11，3.12，因此我创建了对应的环境：
conda create -n 9 python=3.9
conda create -n 11 python=3.11
conda create -n 12 python=3.12
就像这样随后设置取消自动激活 conda 环境，这是因为这会与 uv 虚拟环境冲突：
conda config --set auto_activate_base false
随后就让我们进入实战环节吧。
如何替换 conda
例如，我有一个项目需要使用 Python 3.11 版本，依赖储存于 requirements.txt 中，要运行 main.py。
那么如果我们使用 conda，一般其流程是：
conda create -n gptac_venv python=3.11
conda activate gptac_venv
python -m pip install -r requirements.txt
python main.py
而如果我们使用 uv 的话，其流程就是：
conda activate 11
uv venv --seed -p 3.11
conda deactivate
uv pip install -r requirements.txt
source ./.venv/bin/activate
python main.py
注意
注意上文中的 conda deactivate，不要同时激活 uv 虚拟环境和 conda 虚拟环境！
在 VSCode 中使用
就和正常的 venv 虚拟环境一样使用。
如果你还想使用 ipynb，建议自己先安装内核 uv pip install jupyter
对比：以 gpt_academic 为例
gpt_academic 也算是一个依赖众多的项目了，这儿对比下 uv 和 pip 的速度。这个过程中网速并不是限制因素(校园网没抽风，下载速度都是 80Mb/S 起步)：
正如其所说的，确实快了数十倍(37.24s vs 4.122s)。
而当一个包在同版本 Python 的环境中安装过一次时，uv 就能使用其缓存进行加速安装了，非常高速高效(41.066s vs 2.075s)！
高速这是因为 uv 会使用全局的缓存，只要在全局范围内安装过的包再安装就会起飞一样安装完成。
使用上的优化
这样的 uv 还是在每个文件夹创建.venv 文件夹，还是得找一个办法和 conda 一样能全局使用才方便。
于是为了真正达到替换 conda 的效果，我编写了一些脚本来替换，你可以在这个 GitHub 储存仓找到这个脚本。使用如下命令来加载这个脚本：
git clone https://github.com/Menghuan1918/uvv
cd uvv
sh Install.sh
使用上几乎只需要将 conda 替换为 uvv 即可，例如以上文的例子：
uvv create -n gpt -p 3.11
uvv activate gpt
uvv install -r requirements.txt
注意看右侧的 python 环境激活标志不过在 VSCode 中你需要手动选择一下...好在其会记忆这个位置，不会每次都要重选一下。
例如这儿我创建的是名为 gpt 的环境，我需要手动选择下环境位置为：
/home/menghuan_go/.venv/gpt/bin/python
