从 uv 切换到 Pixi#

本指南帮助你从 uv 过渡到 Pixi。它比较了两个工具之间的命令和概念，并解释 Pixi 增加了什么：在完整的 conda 生态系统之上管理非 Python 依赖、系统库和多语言项目。

为什么选择 Pixi？#

uv 是一个快速的 Python 包管理器，但它仅限于 PyPI 生态系统。Pixi 基于 conda，这带来了几个基本优势：

包含系统依赖项。 需要 CUDA、OpenSSL、编译器或 C 库？Conda 包捆绑了它们。使用 uv，你必须通过 apt、brew、Docker 或手动设置自己安装这些。
多语言支持。 单一 Pixi workspace 可以管理 Python、R、C/C++、Rust、Node.js 等，而 uv 只处理 Python。
二进制优先分发。 Conda 包是预编译的，所以你很少需要在机器上安装构建工具链。不必等待源代码构建或调试缺失的 C 头文件。
完整的环境建模。 Conda 环境包含一切（解释器、库、头文件、编译器、CLI 工具），全部由求解器管理。使用 uv，你的 Python 环境依赖于系统碰巧提供的任何东西。
真正的跨平台锁文件。 Pixi 为单个锁文件中的所有目标平台求解，甚至是你当前不在其上运行的平台。
内置任务运行器。 直接在 manifest 中定义和运行任务，不需要 Makefile、just 或 shell 脚本。

你仍然可以使用 PyPI 包

Pixi 在底层由 uv 提供支持，完全支持 PyPI 包和 conda 包一起使用。使用 pixi add --pypi <package> 添加 PyPI 依赖，或在使用 pyproject.toml 时在 [project.dependencies] 中定义它们。参阅 Conda & PyPI 了解两个生态系统如何协同工作。

快速了解差异#

任务	uv	Pixi
创建项目	`uv init myproject`	`pixi init myproject`
添加依赖	`uv add numpy`	`pixi add numpy` (conda)或 `pixi add --pypi numpy` (PyPI)
移除依赖	`uv remove numpy`	`pixi remove numpy` (conda)或 `pixi remove --pypi numpy` (PyPI)
安装/同步	`uv sync`	`pixi install`
运行命令	`uv run python main.py`	`pixi run python main.py`
运行独立脚本	`uv run script.py` (PEP 723)	`pixi exec` 通过 shebang
运行任务	(无内置任务运行器)	`pixi run my_task`
锁定依赖	`uv lock`	`pixi lock`（也在 `pixi add` / `pixi install` 时自动运行）
安装 Python	`uv python install 3.12`	`pixi add python=3.12`（作为常规依赖管理）
临时工具执行	`uvx ruff check`	`pixi exec ruff check`
全局工具安装	`uv tool install ruff`	`pixi global install ruff`
构建包	`uv build`	通过 pixi-build backends 支持
发布包	`uv publish`	上传到 prefix.dev channel
导出锁文件	`uv export`	`pixi workspace export conda-environment`
虚拟环境	`.venv/` (自动)	`.pixi/envs/` (自动，支持多环境)
缓存管理	`uv cache clean`	`pixi clean cache`
更新依赖	`uv lock --upgrade`	`pixi update`
GitHub Actions	`astral-sh/setup-uv`	`prefix-dev/setup-pixi`

项目配置#

uv 使用 pyproject.toml 进行项目配置，使用 uv.toml 进行工具级设置。 Pixi 支持 pixi.toml（其原生格式）和 pyproject.toml 进行项目配置，并使用单独的配置文件进行工具级设置。

uv (pyproject.toml)Pixi (pixi.toml)Pixi (pyproject.toml)

[project]
name = "myproject"
version = "0.1.0"
requires-python = ">=3.12"
dependencies = [
    "numpy>=1.26",
    "pandas>=2.0",
]

[dependency-groups]
dev = ["pytest>=8.0"]

[workspace]
name = "myproject"
channels = ["conda-forge"]
platforms = ["linux-64", "osx-arm64", "win-64"]

[dependencies]
python = ">=3.12"
numpy = ">=1.26"
pandas = ">=2.0"

[feature.test.dependencies]
pytest = ">=8.0"

[environments]
test = ["test"]

[project]
name = "myproject"
version = "0.1.0"
requires-python = ">=3.12"
dependencies = [
    "numpy>=1.26",
    "pandas>=2.0",
]

[dependency-groups]
test = ["pytest>=8.0"]

[tool.pixi.workspace]
channels = ["conda-forge"]
platforms = ["linux-64", "osx-arm64", "win-64"]

[tool.pixi.environments]
test = { features = ["test"], solve-group = "default" }

使用 pyproject.toml，Pixi 将 [project.dependencies] 读取为 PyPI 依赖，将 [tool.pixi.dependencies] 读取为 conda 依赖。详见 pyproject.toml 指南。

概念映射#

Python 版本管理#

uv 使用 uv python install 单独管理 Python 安装。在 Pixi 中，Python 只是一个普通的包：

pixi add python=3.12    # 添加 Python 作为 conda 依赖

Python 与锁文件中的其他内容一起被版本锁定，因此没有单独的 .python-version 文件需要管理。

虚拟环境#

uv 为每个项目创建一个单一的 .venv/ 目录。Pixi 在 .pixi/envs/ 下创建环境，并支持多个命名环境同时存在于一个 workspace 中：

pixi.toml

[environments]
default = []
test = ["test"]
docs = ["docs"]
cuda = ["cuda"]

每个环境可以有完全不同的（甚至冲突的）依赖项，Pixi 将它们全部并行安装。例如，你可以有一个包含 numpy 1.x 的环境和另一个包含 numpy 2.x 的环境，两者都准备好使用而无需重新安装任何东西。

uv 可以通过 tool.uv.conflicts 在锁文件中分别解析冲突的依赖组，但它仍然使用单一的 .venv/，你可以通过 uv sync --group <name> 在其中切换。Pixi 环境是独立的目录，因此切换是即时的。

参阅 Multi Environment。

依赖组和 extras#

uv 使用 PEP 735 依赖组和可选依赖（extras）来组织依赖项。 Pixi 使用 features，可组合的依赖项集合，映射到环境：

uv	Pixi
`[dependency-groups]`	`[feature.<name>.dependencies]`
`[project.optional-dependencies]`	`[feature.<name>.dependencies]` 映射到环境
`uv sync --group dev`	`pixi install -e dev`
`uv sync --all-groups`	`pixi install --all`

Features 比依赖组更灵活：它们可以包含 conda 依赖、平台特定的包、系统要求和激活脚本。

Workspaces#

两种工具都支持多包 workspace。uv 在 pyproject.toml 中使用 glob 模式定义 workspace 成员：

uv pyproject.toml

[tool.uv.workspace]
members = ["packages/*"]

Pixi 采用不同的方法：你直接在 workspace manifest 中将本地包作为路径依赖引用。任何包含 [package] 部分的子目录都可以通过这种方式引入：

pixi.toml

[workspace]
channels = ["conda-forge"]
platforms = ["linux-64", "osx-arm64", "win-64"]

[dependencies]
my_lib = { path = "packages/my_lib" }

两种工具在 workspace 中共享一个锁文件。参阅构建多个包。

独立脚本#

uv 支持 PEP 723 内联脚本元数据用于声明自己依赖的独立脚本：

uv script

# /// script
# requires-python = ">=3.12"
# dependencies = ["requests"]
# ///
import requests
print(requests.get("https://example.com").status_code)

Pixi 通过使用 pixi exec 的 shebang 脚本有类似的功能，它会创建一个具有指定依赖项的临时环境：

pixi shebang script

#!/usr/bin/env -S pixi exec --spec requests --spec python=3.12 -- python
import requests
print(requests.get("https://example.com").status_code)

这在 Linux 和 macOS 上有效。更完整的脚本功能正在讨论中，见 #3751。

任务#

uv 没有内置的任务运行器。Pixi 有：

pixi.toml

[tasks]
start = "python main.py"
test = "pytest"
lint = "ruff check ."
check = { depends-on = ["lint", "test"] }  # task dependencies
fmt = { cmd = "ruff format .", env = { RUFF_LINE_LENGTH = "120" } }

pixi run check   # runs lint then test
pixi run start

任务支持任务间依赖、环境变量、工作目录配置和跨平台命令。参阅任务。

临时工具执行（`uvx` vs `pixi exec`）#

uvx（全称 uv tool run）在临时环境中运行工具而不永久安装它。pixi exec 做同样的事情：

uv	Pixi
`uvx ruff check`	`pixi exec ruff check`
`uvx --from 'ruff>=0.5' ruff check`	`pixi exec --spec 'ruff>=0.5' ruff check`
`uvx --with numpy ruff check`	`pixi exec --with numpy ruff check`

全局工具（`uv tool` vs `pixi global`）#

两种工具都在隔离的环境中全局安装 CLI 工具：

uv	Pixi
`uv tool install ruff`	`pixi global install ruff`
`uv tool list`	`pixi global list`
`uv tool uninstall ruff`	`pixi global uninstall ruff`

因为 Pixi 全局工具来自 conda 生态系统，你也可以安装非 Python 工具：

pixi global install git bat ripgrep starship

参阅全局工具。

包索引和 channel#

uv 使用 PyPI 作为其默认包索引，支持通过 [[tool.uv.index]] 自定义索引。

Pixi 使用 conda channels，预编译包的仓库。默认值是 conda-forge，最大的社区维护 channel：

pixi.toml

[workspace]
channels = ["conda-forge"]
# 添加额外的 channel：
# channels = ["conda-forge", "pytorch", "https://my-company.com/channel"]

对于私有包，你可以在 prefix.dev 或 S3 或 JFrog Artifactory 上托管你自己的 channel。参阅认证。

锁文件#

两种工具都生成锁文件以确保可复现性。

方面	uv (`uv.lock`)	Pixi (`pixi.lock`)
格式	TOML	YAML
跨平台	通用解析	逐平台求解，存储在一个文件中
多环境	单一解析	逐环境解析
包类型	仅 PyPI	Conda + PyPI
生成/更新	`uv lock`	`pixi lock`（也在 `pixi add` / `pixi install` 时自动）

参阅锁文件。

构建和发布#

uv 使用 uv build（PEP 517 后端）构建 Python 包，并使用 uv publish 发布到 PyPI。

Pixi 通过 pixi-build 构建包，从 Python、C++、Rust、ROS 等生成 conda 包。你可以发布到 prefix.dev channel 或任何 conda channel。

CI 与 GitHub Actions#

uv 为 GitHub Actions 提供 astral-sh/setup-uv。 Pixi 有 prefix-dev/setup-pixi，它安装 Pixi、设置缓存并在你的工作流中运行 pixi install：

- uses: prefix-dev/setup-pixi@v0.8.8

参阅 GitHub Actions 了解更多详情。

`uv pip` 接口#

uv 提供了 uv pip 兼容性层（uv pip install、uv pip compile 等）。

Pixi 没有 pip 兼容性层，它通过 manifest 文件声明性地管理所有依赖项。如果你需要 pip 用于特定用例，你可以将其作为依赖项安装：

pixi add pip
# 不推荐，首选 pixi add --pypi
pixi run pip install <some-package>

首选 pixi add --pypi

在 Pixi 环境中使用 pip 会绕过求解器和锁文件。始终首选 pixi add --pypi <package> 以保持依赖项可跟踪和可复现。

为什么 conda 生态系统很重要#

如果你来自 uv，你可能想知道当 PyPI 已经有了你需要的 everything 时，为什么 conda 包很重要。

包含系统依赖项#

使用 uv，安装 scipy 或 pytorch 通常需要系统级库（BLAS、LAPACK、CUDA）已经在你的机器上。这导致平台特定的设置说明、仅用于构建依赖的 Docker 容器，或神秘的构建失败。

使用 Pixi，这些系统依赖项是 conda 包，像任何其他依赖项一样由求解器管理：

# CUDA 运行时、cuDNN 和所有系统库自动解析
pixi add pytorch-gpu

Python 之外的可复现性#

uv.lock 精确捕获你的 Python 依赖项，但你的项目还依赖于系统的 C 编译器、CUDA 版本、OpenSSL 构建等，这些都没有被跟踪。

pixi.lock 捕获一切：Python 解释器、系统库、编译器和 CLI 工具。当同事克隆你的项目并运行 pixi install 时，他们获得完全相同的环境。没有"在我机器上工作"的惊喜。

不需要 Docker 来隔离环境#

使用 uv 的常见模式是使用 Docker 来获得具有正确系统依赖项的可复现环境。Pixi 环境实现相同的隔离而不需要容器：不需要 root 权限，比容器镜像小得多，创建即时，并且通过锁文件提供相同的可复现性保证。

前向兼容#

Conda 包针对最旧的支持的系统基线构建，因此它们也可以在新版 OS 上工作。今天的锁文件明年仍能正确安装在 OS 版本上。

要更深入地了解 conda 和 PyPI 生态系统之间的差异，请参阅 Conda != PyPI 博客文章系列。

迁移项目#

要将现有的 uv 项目迁移到 Pixi，首先在项目目录中初始化 Pixi：

pixi.tomlpyproject.toml

pixi init --format pixi

这会在你的 pyproject.toml 旁边创建一个 pixi.toml。

pixi init --format pyproject

这会将 [tool.pixi.workspace] 部分添加到你现有的 pyproject.toml，保持你的 PyPI 依赖项不变。

尽可能使用 conda-forge 包而不是 PyPI：

Conda 包捆绑系统库和预编译二进制文件，所以 pixi add numpy 给你包含 BLAS、LAPACK 和所有内容的 numpy。仅对 conda-forge 上不可用的包使用 pixi add --pypi <package>。如果 conda-forge 缺少你需要的包，考虑自己添加。

设置任务来替换你的脚本：

pixi task add test "pytest"
pixi task add lint "ruff check ."
pixi task add serve "python -m http.server"

运行你的项目：
```
pixi run test
pixi run python main.py
```

一旦一切在 pixi.lock 中正常工作，你可以删除 uv.lock。

从 uv 切换到 Pixi#

为什么选择 Pixi？#

快速了解差异#

项目配置#

概念映射#

Python 版本管理#

虚拟环境#

依赖组和 extras#

Workspaces#

独立脚本#

任务#

临时工具执行（uvx vs pixi exec）#

全局工具（uv tool vs pixi global）#

包索引和 channel#

锁文件#

构建和发布#

CI 与 GitHub Actions#

uv pip 接口#

为什么 conda 生态系统很重要#

包含系统依赖项#

Python 之外的可复现性#

不需要 Docker 来隔离环境#

前向兼容#

迁移项目#

临时工具执行（`uvx` vs `pixi exec`）#

全局工具（`uv tool` vs `pixi global`）#

`uv pip` 接口#