作者获得了一台新电脑，因为新物件的缘故，对其空间的管理有了强迫症般的追求，而在之前电脑中遇到最大的问题就是刚学 python 时的环境和依赖随意安装，在后续项目的需求环境越来越复杂，管理也出现了问题，为了解决它，就出现了这篇文章中提到的 mamba + uv 的方案。

一、问题分析

计划深入两类项目：网页自动化 与 AI Agent 开发。
这类项目往往依赖不同版本的 Python 和大量外部库，带来了两个常见问题：

1. 环境混乱 —— 不同项目需要不同的 Python 环境，切换麻烦；

2. 空间浪费 —— 同类项目间依赖相似，却重复创建环境，占用硬盘。

为了解决这些问题，可以采用 mamba + uv 的组合方式 👇

基于上面两点，分别使用 mamba 和 uv 来解决。

• mamba：创建 多个独立的 python 环境 ，和管理多个项目所需要的 共同依赖。
• uv：继承 mamba 的依赖 情况下，管理单个项目中所需的 独特依赖。

二、简要介绍 mamba 和 uv

🐍 mamba：系统级环境管理器

作用：
用于创建和管理多个独立的 Python 环境，管理共同依赖，多为外部依赖。（如C库、AI框架等）

特点：

• ⚡️ 比 Conda 快几十倍（C++ 实现）。

• 💪 稳定解决依赖冲突。

• 🧩 完全兼容 Conda 命令与生态。

mamba 负责划分空间、打好地基，统一管理各类项目的底层环境与核心依赖。

---

🪶 uv：项目级依赖管理器

作用：
在继承 mamba 环境依赖的前提下，为单个项目提供独立、极速的虚拟环境与包管理。多为 python 依赖 （如：requests、playwright、pyinstaller等）

特点：

• ⚙️ Rust 实现，比 pip 快 10~100 倍。

• 📦 自动创建 .venv 环境，兼容 pip 与 requirements.txt。

• 🔒 支持依赖锁定，便于部署与复现。

uv 负责搭建房子、布置细节，在继承底层依赖的同时灵活管理项目特有库。

各自职责与解决的问题

工具	主要职责	解决问题
mamba	管理 Python 版本、系统库、GPU 库、C/C++ 扩展	解决底层依赖复杂、安装慢、版本冲突问题
uv	管理项目级依赖、打包、锁定版本	解决依赖重复、安装慢、项目难复现的问题

举个例子：

• 你在做 网页自动化 项目时，需要 Playwright、Selenium 等工具；

• 你又在做 AI Agent 项目，需要 transformers、torch 等依赖。

这些项目底层依赖（Python、C++库、系统包）相似，但上层依赖不同。
如果用 mamba 创建一个统一的底层环境，再用 uv 管理每个项目的独立依赖层，就能既隔离又高效。

关于两个工具的详情可以分别看我的前两篇文章
mamba：Anaconda、Miniconda 、 Miniforge 三者的关系，以及Miniforge的基础使用-CSDN博客
uv：uv 的基础使用_uv命令是什么环境-CSDN博客

三、mamba + uv 的优缺点

优点

• 环境干净：本地不需要 python 环境（最好也不要有，避免混乱）。

• 安装快：mamba（C++实现）与 uv（Rust实现）速度远超 conda 与 pip。

• 层次清晰：mamba 管理系统级与外部依赖，uv 管理项目级纯 Python 包，职责分明。

• 依赖共享：uv 可继承 mamba 的依赖，多个项目可共享大型包，节省磁盘空间。

• 兼容性好：mamba 兼容 conda 命令，uv 兼容 pip 与 requirements.txt，迁移方便。

• 可复现性高：双层锁定机制（environment.yml + uv.lock）保证环境一致。

• IDE友好：uv 创建的标准虚拟环境可被主流 IDE 自动识别。

---

缺点

• 学习成本高：需要理解两层环境的作用和边界。

• 命令分散：需在 mamba 与 uv 间切换操作。

• 生态未完全成熟：uv 对部分旧包或构建脚本兼容性有限。

• 团队规范要求高：需统一使用 mamba + uv 避免环境不一致。

• 特殊包处理复杂：如 Playwright、PyTorch 等需明确分层安装，避免依赖冲突。

---

注意事项

在创建 mamba 环境 时，建议一次性安装所有可能需要的共享依赖，避免后续频繁修改。完成初始配置后，应尽量保持该环境的长期稳定，以防依赖变动影响到其他项目或子环境。

若确实需要调整或新增依赖，最佳做法是新建一个独立的 mamba 环境，而非直接修改原有环境。这种方式能有效隔离潜在风险，保证现有项目的兼容性与可复用性。

在创建 uv 环境 时添加 --system-site-packages 参数后，uv 会实时继承 mamba 环境的底层依赖。因此，mamba 层应尽量保持稳定，而 uv 层则可以灵活安装、升级或卸载项目特定的包，而不影响全局依赖。

四、mamba + uv 的基础使用

安装依旧观看前两篇的内容。

基础命令

1.创建激活 mamba + uv 环境。（ uv 环境创建是基于目前激活或本地的python环境来创建）

# 在你当前路径下创建名为 mamba_env 且带有 python3.10 版本的mamba环境
mamba create -p ./mamba_env python=3.10 -y 
# 激活 mamba 环境
conda activate 路径 

# 在你当前路径下创建 uv 虚拟环境，且继承激活了的 mamba 环境的python和依赖
    # 不带--system-site-packages则只有python没有其中的依赖
uv venv --system-site-packages 
# 激活当前目录中的uv虚拟环境
.\.venv\Scripts\activate
# 初始化 uv 项目骨架 和 生成 pyproject.toml
uv init

2.添加依赖。

在初期就要了解好你所创建的 mamba 环境具体的是作为 什么项目的地基。
也就是说在这个 mamba 环境中创建的 uv项目 都会需要的外部依赖有哪些，然后提前安装好。

# 在 mamba 环境中添加依赖，可以添加多个
mamba install 包名 -y

# 在 uv 环境中添加依赖，需要已经进行 uv init 初始化
uv add 包名

3.在idea中打开项目

打开对应项目 File -》Open -》 选择对应项目

进入设置 File -》 Settings -》Product:项目名 -》python interpreter -》add

选择Existing environment -》ok 就可以了

以后pycharm进入项目后就会进入对应的 uv 环境，不需要重复进入。

五、总结

mamba + uv = 快 + 稳 + 清晰 + 可复现。
mamba 负责底座，uv 负责项目，
是当前最优雅、最高效的 Python 多项目环境管理方案之一。

如果感觉 uv 麻烦或包关系理不清，可以直接选择用venv代替。

这套方案难点在 理解好 mamba 和 uv 两者各自的关系，和各自环境中的依赖关系。有问题可以评论，或直接ai，上面话语大多都来自ai。