记录下uv的环境的一些配置,之前都装到了C盘
uv 默认会将 Python 解释器和缓存塞进用户目录下(通常是 C 盘)。我们要自定义路径,彻底解救 C 盘。
通过设置以下环境变量,你可以将 uv 的全部挪到非系统盘(如 D 盘)。
Windows : 在“系统环境变量”中添加:
# 设置 Python 解释器的下载安装目录(所有 Python 版本都住这儿)
UV_PYTHON_INSTALL_DIR = "D:\Python\uv\interpreters"
# 设置 uv 的全局缓存目录
UV_CACHE_DIR = "D:\Python\uv\cache"
# 设置全局工具安装目录
UV_TOOL_DIR = "D:\Python\uv\tools"Linux/Mac :
在 .bashrc 或 .zshrc 中添加:
export UV_PYTHON_INSTALL_DIR="$HOME/developer/uv/python"
export UV_CACHE_DIR="$HOME/developer/uv/cache"要集中管理虚拟环境的话,或者指定位置?使用 UV_PROJECT_ENVIRONMENT:
# 指定虚拟环境的创建位置
export UV_PROJECT_ENVIRONMENT="/path/to/my/envs"uv python install 3.12 # 秒级下载并解压到你指定的 D 盘目录
uv venv # 极速创建,通过硬链接关联共享缓存,几乎不占额外空间
uv sync # 自动解析依赖,瞬间配好,哪怕是上百个库也只需几秒设置 UV_INDEX_URL,告别国际线路的波动:
# 设置清华源
export UV_INDEX_URL="https://pypi.tuna.tsinghua.edu.cn/simple"uv run这是 uv 最性感的玩法。如果你只想运行一个独立脚本,不想建环境:
uv run --with requests --with pandas myscript.pyuv 会在后台搞定临时环境、安装依赖并运行,运行完即焚。真正的“事了拂衣去,深藏身与名”。
环境管理本应是开发的基石,而不该成为消耗热情的内耗。
从 pip 切换到 uv,不仅仅是换了一个工具,更是换了一种工作流。当你发现安装一个复杂的机器学习环境只需要 3 秒钟时,你就会明白:原来 Python 开发可以如此优雅。
#Python #uv #程序员 #开发工具 #效率提升