| 包管理器 | 优点 | 缺点 |
|---|---|---|
| pip | 1. Python 官方标配，与 PyPI 生态 100 % 兼容 2. 用法简单，学习成本最低 3. 资源占用小，适合容器/嵌入式场景 | 1. 单线程下载+递归解析，大型项目安装慢、易卡死 2. 无原生锁文件，依赖冲突只能靠人工排查或第三方工具（pip-tools） 3. 无法管理非 Python 二进制依赖（如 CUDA、MKL） |
| conda | 1. 跨语言（Python/R/C/C++/Fortran）与系统级库一并管理，科学计算"一箱端" 2. 预编译二进制包（conda-forge）省去本地编译，GPU、MKL 等环境一次到位 3. SAT 求解器保证全局依赖一致性，冲突概率低 | 1. 安装包体积大（Anaconda ≥ 1 GB），CI 镜像臃肿 2. 依赖解析慢，复杂环境可耗时数分钟甚至十几分钟 3. 与 PyPI 生态不完全互通，部分新包或边缘包需额外渠道 |
| uv | 1. Rust 并行下载+PubGrub 确定性解析，比 pip 快 10--100 倍，比 conda 快百倍以上 2. 一体化命令（uv venv / uv add / uv lock）替代 pip+venv+pip-tools，锁文件跨平台可复现 3. 虚拟环境仅 10 MB 级，容器/服务器场景极轻量 | 1. 仅支持纯 Python 依赖，遇到 CUDA、C 库等仍需手动或回退 conda 2. 2024 年才发布，生态与文档虽快速发展但仍年轻，企业内网离线部署方案尚不如 pip/conda 成熟 |
一句话总结：
纯 Python 项目且追求极致速度 → uv
科学计算/跨语言栈/系统库强依赖 → conda
简单脚本、需要最大兼容性 → pip