至暗时刻
2024 年刚开始转行到 AI 方向，做提示词工程师。
那会儿公司在做一个用 Claude 模型驱动的脚本创作工具。我每天对着 Cursor 和文档写提示词，看着后端同事用 Python 把 Agent 跑起来，心里也痒：我也想自己试着调一下模型、做个 Agent 玩玩。
结果自信满满地打开终端，第一步就卡了——依赖装不上。
我跟着一个开源教程走，敲下：
pip install openai装好了，跑代码，报错：ImportError: cannot import name 'OpenAI' from 'openai'。
查了半天，才发现教程代码用的是新版 SDK，而我装的是 openai==0.28——老版本。升级一下：
pip install --upgrade openai升级完，新代码能跑了，但之前那个 langchain 的教程项目突然挂了：langchain 依赖老版本 openai，我又把它升级了，依赖链直接断了。
那天晚上我在 Python 的依赖地狱里爬了三个小时，最后把整个 Python 重装了才算干净。转行第一个月，第一次怀疑人生：难道做 AI 必须先成为环境配置大师？
救命稻草：虚拟环境
后来一个前辈告诉我：每个项目都用独立的虚拟环境，不要污染全局。
虚拟环境本质上是这么个东西：
你的电脑
├── 全局 Python（系统自带，别动）
├── 项目A/.venv/ ← 独立的 Python 环境，装自己的依赖
└── 项目B/.venv/ ← 另一个独立的 Python 环境每个 .venv 就像一个平行宇宙，里面的包互不干扰。项目 A 用 openai==1.0，项目 B 用 openai==0.28，井水不犯河水。
但传统虚拟环境工具有点笨重：
python -m venv .venv创建source .venv/bin/activate激活（Windows 是.venv\Scripts\activate）pip install xxx装包- 每次开新终端都要手动 activate，忘了一次就翻车
- 装包速度慢，下个 PyTorch 能等半小时
uv 出场
后来看到有人推荐 uv，用 Rust 写的 Python 包管理工具。试了一下，真香。
装 uv
macOS：
brew install uv或者官方一键脚本：
curl -LsSf https://astral.sh/uv/install.sh | sh创建项目
uv init my-ai-project
cd my-ai-project它会生成：
pyproject.toml（项目配置和依赖列表）.python-version（指定的 Python 版本）.venv/（虚拟环境，自动创建）main.py（入口文件）README.md
最关键的是——虚拟环境自动建好了，不用再手动 venv。
加依赖
uv add openai这条命令会：
- 把
openai加到pyproject.toml - 在
.venv里装好 - 更新
uv.lock（锁定所有依赖的精确版本，保证别人 clone 后能跑出一样的环境）
速度有多快？我装 openai + langchain + chromadb 一套 RAG 全家桶，3 秒钟搞定。换 pip 至少两分钟。
跑代码
uv run main.pyuv run 会自动用项目的虚拟环境，不需要手动 activate。这一点对我来说是最大的爽点——以前老忘记 activate，现在 uv 帮我记。
同步环境
同事 clone 了你的项目，怎么把环境装起来？
uv sync一条命令，按 uv.lock 把所有依赖装好，版本一模一样。比 pip install -r requirements.txt 又快又准。
Python 版本管理
uv 还能管理 Python 版本本身：
uv python install 3.12 # 装 Python 3.12
uv python list # 看本机有哪些版本不用再装 pyenv 了。
一个完整的 AI 项目示例
# 初始化
uv init ai-demo
cd ai-demo
# 加依赖
uv add openai
uv add chromadb langchain
# 写代码（用你喜欢的编辑器）
# main.py 里调 GPT API
# 跑
uv run main.py就这五步，从零到一个跑起来的 AI 项目。
工欲善其事，必先利其器。uv 就是我现在写 Python 的那把”器”。