uv 是由 Astral 推出的 Python 环境与依赖管理工具，主打“快”和“可重复”。它把常见的几件事（创建虚拟环境、安装依赖、生成锁文件、运行命令）串成一套一致的工作流，适合个人装机、团队协作和多项目并行。
工具地址：https://github.com/astral-sh/uv
官方文档：https://docs.astral.sh/uv/
如果你已经在用 Homebrew，安装最省事：
brew install uv
安装后确认版本：
uv --version
不使用 Homebrew 也可以参考官方文档的安装方式（不同芯片与系统版本会有差异）。建议把 uv 放到 PATH 中，避免后续终端找不到命令。
进入你的项目目录（或新建一个目录），然后创建虚拟环境：
mkdir myproj && cd myproj
uv venv
这一步会生成项目级虚拟环境（通常位于 .venv）。接着激活环境：
source .venv/bin/activate
如果你希望固定 Python 版本，可以先确保系统已安装目标版本（例如通过 Homebrew 或其他方式），然后再创建 venv；团队协作时，建议在 README 中写清最小版本要求。
安装常用库（示例）：
uv pip install requests rich
生成 requirements（或维护你项目的依赖清单）之后，关键是要有“锁定”的概念：把你当前解析到的依赖版本记录下来，这样在另一台电脑/CI 上能得到几乎一致的环境。
你可以用 uv 提供的导出/锁定能力（以官方文档为准）来生成锁文件，并在团队里提交到仓库；这样“装依赖”就不再是每个人各装各的，而是统一从锁文件恢复。
当虚拟环境准备好后，你可以用 uv 来运行项目里的命令，让命令执行和依赖环境绑定在一起。例如运行一个脚本：
python -m your_module
跑测试（示例）：
pytest -q
建议把这些高频命令写进项目的 Makefile 或脚本里，再配合 uv 的环境管理，让新同事/新设备上手成本更低。
在 VS Code 中，打开项目后选择解释器指向 .venv（通常会自动识别）。这样运行/调试时就不会误用系统 Python。
如果你用 Jupyter，建议把 kernel 安装到当前虚拟环境（示例）：
uv pip install ipykernel
python -m ipykernel install --user --name myproj --display-name "Python (myproj)"
之后在 Notebook 中选择对应的 Kernel，即可保证依赖一致。
Q：需要同时维护多个项目怎么办？ A：每个项目用自己的 .venv，不要共用全局 site-packages；这也是“环境不互相污染”的根本。
Q：团队怎么统一？ A：把 Python 版本要求、安装步骤、依赖锁文件的生成/更新流程写进 README，并在 CI 里校验锁文件是否更新。
Q：性能与安全 A：只从可信源安装依赖；不要随意执行未知脚本；依赖版本更新时建议先在分支验证再合并。
