其实uv的风已经吹了一阵儿了，也有不止一个人跟我传教让我改用uv。
我一开始以为uv是一个像pip、conda一样的包管理的命令，没有想过用uv来管理虚拟环境。
我在个人项目里面一般用miniconda来管理代码环境，偶尔也用venv来管理临时环境。这样的操作已经深深整合到了我的许多自动和手动的工作流中。我感觉要从miniconda切换到uv还是挺费劲的。
有没有已经完成迁移的佬友？能否分享下迁移经验和使用体会？
用的比较少，几乎都是venv管理我……
Rust 重写带来的速度激情
还是挺好用的，首先是速度快，而且操作也不反直觉，佬应该能挺快适应的
新项目可以尝试一下, 速度提升和项目管理会更规范, 主要提升的是项目工程化方向
换uv挺方便的
uv venv
其他的都弃用了，只用 uv 了
而且用 uvx 调一些小工具很方便，包括 mcp 等
还是在用miniforge3
conda感觉在深度学习领域用的多
我的concern是，我之前有很多工作流是使用预设的miniconda环境。
举个例子，我做语音识别相关的工作，就用 conda activate speech 。这样我预先配置的包什么的就都在了，直接开始构建项目即可。
uv可以吗？
我感觉挺方便的，尤其是在别人的电脑，用完即销毁，也不需要在别人电脑配置啥的，别人开箱能用；当然对于自己来说，还是conda 用的习惯
可以的，只是有点绕
从上一年年初已经切换到 uv，主要原因是 Anaconda 丧心病狂的给我们公司发了邮件，精准告知哪一台设备安装了 Anaconda，并且要收我们历史费用 
uv 用了快一整年了，除了爽就是爽，写完代码直接同步到服务器，服务器 uv sync 就完事了。至于你说的切换费劲，一开始肯定会的，因为你得一个一个conda项目生成 requestments 然后再放回到uv 创建的项目中。但是在迁移过程中我们感觉其实没啥大问题，而且 uv速度比 conda 快好多。
对了 uv 还解决了我们之前遇到过的一个问题，因为有项目涉及到 playwright 库，conda 需要激活巨硬的channel，这时候两个channel有时候会打架 
综上，放心大胆去 
做强化学习，PyTorch 已经支持 uv，在不同服务器之间快速同步环境确实方便
uv很好用，主要是有一个缓存可以方便下载各种包并且快速安装，freeze功能也不错可以很好同步版本，一个项目一个环境很方便的
学校老师似乎并不认可
老师看完我的报告叫我回去安装conda环境做实验作业
是没听懂吗还是人工智能实验（做强化学习玩游戏的小作业）推荐用conda环境？
谢谢佬友的分享！
我是科研机构，没有版权敲诈的威胁。但是anaconda也过于臃肿了，所以我前几年主动迁移到了miniconda。
我就是习惯了用固定的conda环境干一些小杂活儿。所以一个比较推荐的实践还是每个项目都搞一套requirements吗？
非 python 依赖可能需要用别的包管理器安装一下，uv 不管这个，其他的没问题
Conda生态也可以用pixi
课程嘛，可以理解的。在一个团队里面，工具链可能不够先进，但一定要统一，不然别人调试你的代码多费劲。