pip

Python 模块与包管理：import 机制、虚拟环境与 pip 完全指南当你写的 Python 代码从一个文件变成几十个文件，从只用标准库变成依赖几十个第三方包时，模块与包管理就成了绕不开的话题。很多初学者对这些问题一知半解：import 到底是怎么找到模块的？为什么有时相对导入会报错？虚拟环境到底有什么用？requirements.txt 该怎么维护？

pypi 的yank 是什么意思?PyPI 的 yank 是官方提供的一个包版本撤回功能，核心作用是将已上传的特定版本包标记为不可安装，避免用户误下载存在严重缺陷的版本。

Python 环境彻底不乱：uv、pip、venv、Conda 怎么选？Windows 项目迁移与锁版本实战“明明安装了 requests，运行时却提示 ModuleNotFoundError”“我的电脑能跑，同事和 CI 一装就报依赖冲突”“项目换了目录，原来的 .venv 突然失效”——Python 环境问题往往不是包没有安装，而是包被装进了另一个解释器、依赖没有被可靠锁定，或者把不可移动的虚拟环境当成了项目文件。

【已解决】ModuleNotFoundError_ No module named ‘xxx’ 模块导入失败终极解决Python开发中，ModuleNotFoundError: No module named ‘xxx’ 是几乎每一个开发者都会遇到的报错。明明已经执行pip install安装模块，运行代码依旧提示找不到模块。很多人反复卸载重装，问题依旧存在。

RAG与Agent智能体项目实战教程跟练与解析（前置准备与OpenAI库基础使用）笔记跟着黑马程序员大模型RAG与Agent智能体项目实战教程，基于主流的LangChain技术从大模型提示词到实战项目学习记录的

二进制杯莫停

A和B环境的python版本相同，B环境无法安装pip依赖，离线安装如果你确实必须在 B 环境装依赖，但 B 环境不具备访问pypi的网络，那就只能走离线包：在 A 环境/部署机（能访问 pypi 的机器）：

DFT计算杂谈

服务器通过pip安装Kimi Code CLI 和使用在老旧CentOS 7系统上绕过glibc限制，成功部署Kimi Code CLI测试环境：CentOS 7 · glibc 2.17 · Python 3.13 · 纯SSH无图形界面

Patrick在香港

Python依赖管理从踩坑到选型：pip/poetry/uv四种方案全面实测这个报错你见过几次？我在香港的第一个Python项目——一个处理强积金数据的Flask应用——上线前就因为pip install的依赖冲突回滚了两次。那之后我把pip、pipenv、poetry、uv全部测了一遍。

大大模型如何通过本地排雷远端GPU几十M的小模型放在本地电脑上，还能去排查这种依赖的问题，但如果我们需要的在远端GPU用几十个G的大模型呢。我跑到电台上可能就。也不是那么容易，这样事的话，怎么去前述方法排查他的依赖问题？

Python开篇——简介、pip和conda人生苦短，我用。那我还是来介绍一下它（凑一波字数）吧。一种面向对象的解释型计算机程序设计语言, 名叫（英国发音: /ˈpaɪθən/ 美国发音: /ˈpaɪθɑːn/）, 它是由荷兰人Guido van在1989年发明的, 第一个公开发行版是在1991年发行。它属于纯粹的自由软件, 它的源代码和解释器遵循GPL(GNU )协议。其语法简洁清晰, 它的特色之一是强制把空白符(white space)用作语句缩进。它拥有丰富和强大的库。它常常被人昵称为胶水语言, 它能够把用别的语言制作的各类模块, 特别是C/

IT界的老黄牛

uv 常用命令速查：一个工具干掉 pip + venv + pyenv + pipx + poetry，Python 工具链从此清爽每个 Python 开发者的电脑里，大概都住着这么一支杂牌军：装包用 pip，隔离环境用 venv / virtualenv，管 Python 版本用 pyenv，装命令行工具用 pipx，锁依赖又得请出 poetry / pip-tools…… 五个工具、五套命令、五份配置，还时不时互相打架。然后 Astral（就是写出 ruff 的那家）掏出了 uv——一个 Rust 写的二进制，把上面这五件事全干了，顺便快出 10~100 倍。这篇就是 uv 的常用命令速查。

不明觉厉二十年

uv Windows配置uv 本身使用请参考官方文档 https://uv.doczh.com/https://github.com/astral-sh/uv/tags 建议放在官方脚本默认目录下

在vscode终端中可使用pip,但是cmd终端中找不到命令 pip问题的解决我们安装了Anaconda3之后，在vscode终端中可以使用python，pip,如下但是我们切换到cmd终端环境下却报错“找不到命令 pip” 原因在于我们的pip未添加到路径。我们首先在vscode终端中输入where pip,查看pip的路径位置信息：然后打开环境变量配置如下：在系统变量中，选中path行，点击编辑按钮，如下界面中添加环境变量（也就是上面where pip的文件夹路径）。

pip安装jieba报错：由于目标计算器积极拒绝，无法连接使用pip安装jieba的时候，报错如下： C:\Users\11767>pip install jieba Defaulting to user installation because normal site-packages is not writeable WARNING: Retrying (Retry(total=4, connect=None, read=None, redirect=None, status=None)) after connection broken by ‘ProxyE

Python uv 完整使用教程uv 是 Astral 团队用 Rust 开发的一体化 Python 工具，单文件二进制，一套命令替代：pip + venv/virtualenv + pyenv + pip-tools + ruff，核心优势：

Headroom 深度指南：AI Agent 上下文压缩实战一句话定位：Headroom 是一个本地优先、可逆、内容感知的 LLM 上下文压缩层。它坐在你的 AI Agent 与大模型之间，把工具输出、日志、RAG 片段、文件、对话历史这些「要喂给模型的内容」在送达 LLM 之前先做一轮智能瘦身——同样的答案，只用几分之一的 Token。

【LangChain】输出解析器全解：让大模型输出从 “聊天” 变 “机器可读”🎬 博主简介：在构建大语言模型（LLM）应用时，我们经常会遇到一个核心矛盾：大模型最擅长生成自然流畅的文本，但程序只能处理结构化的数据。想象一下这个场景：你正在开发一个天气查询应用，用户问 “北京今天天气怎么样？”，大模型返回了一段非常友好的回答：“北京今天晴转多云，最高气温 28℃，最低气温 18℃，风力 3 级，适合外出活动。” 如果没有输出解析器，你只能用正则表达式或者字符串匹配来提取这些字段，不仅代码复杂易出错，而且大模型输出格式稍有变化就会导致程序崩溃。LangChain 的输出解析器（Ou

Python办公自动化：利用Python批量将PDF转换为图片文件前言：在日常办公中，我们经常遇到这样的场景：产品说明书是PDF格式，需要提取里面的图片做成素材库；论文、简历需要转成图片格式以便预览或上传。手动一个个打开PDF、截图、保存？几十个文件下来，手都点麻了😭

Graphiti 时间知识图谱：从 pip 安装到事实有效期验证很多 agent memory 的问题，不是检索不到，而是把已经变化的事实继续当成当前事实。Graphiti 的切入点是 temporal context graph：把实体、关系和事实放进图里，同时保留事实何时生效、何时被替代，以及它来自哪个 episode。这和静态知识图谱有一个实际差别。用户偏好、订单状态、项目配置、团队成员关系都可能变化；如果只做一次向量切片，旧答案仍然可能因为相似度很高而被召回。Graphiti 的检索路径把语义、BM25 关键词和图遍历组合起来，再把结果连接回产生它的 sou

梦想不只是梦与想

Python 官方包管理器pippip 是 Python 的官方包管理器，用来安装、卸载和管理 Python 第三方库（包）的工具。没有 pip 之前：安装第三方库需要手动下载源码，解压，然后运行 python setup.py install，过程繁琐且容易出错。