Python 包的依赖管理，有解了！

写 Python 的同学应该都懂那种“环境混乱到怀疑人生”的时刻：同一个项目换台机器跑不起来、依赖版本打架、pip list 多到像 txt 打开乱码…… 这些年各种工具也出来不少，virtualenv、pipenv、poetry、conda……但总有点“各有优缺点”的感觉。

这篇文章就想很轻松地聊聊：Python 依赖管理，怎么才能舒服地搞定？顺便用点简单代码，让整个流程一眼就懂。

为什么 Python 依赖会乱？

原因其实超级简单：

• pip 默认不锁版本
• requirements.txt 不包含依赖树
• 环境容易串（尤其多个项目共用同个 Python）
• 不同机器、不同时期安装，结果不一样

比如你有个项目写着：

Flask
requests

你以为这就够了吗？不不，Flask 就能拉下几十个依赖。 今天安装一次、下周安装一次，版本可能完全不一样。

无论你用什么工具，本质只有两件事：

1. 把依赖和版本号锁死（lock file）
2. 把项目隔离开（虚拟环境）

剩下的都是不同工具、不同体验。

工具对比（简单粗暴版）

下面直接给你几个主流方案的定位，一句话都能懂。

🥚 pip + venv（最原始但也最稳定）

• 好处：内置、简单、无脑
• 坏处：不锁依赖、依赖树不可控
• 适合：Demo、小脚本

🐍 pip-tools（pip 的“版本锁定加强包”）

• 好处：靠谱、兼容原生 pip
• 坏处：要多执行几条命令
• 适合：部署到服务器的项目、企业使用

🎩 Poetry（现代、优雅、全自动）

• 好处：依赖管理舒服、版本锁定好、环境创建自动
• 坏处：有时候和某些包冲突、行为“太智能”
• 适合：中大型项目、注重可复现环境

🐼 Conda（偏数据科学）

• 好处：管理系统依赖和 Python 包都强
• 坏处：慢、包大、不适合纯后端项目
• 适合：AI、数据分析、科学计算

想要一条建议：做 Web / 服务端 → Poetry 或 pip-tools做 AI / 数学 / 科学 → Conda

pip + venv：最基础版本（但依然实用）

初始化虚拟环境：

python3 -m venv venv
source venv/bin/activate

安装依赖并导出：

pip install flask requests
pip freeze > requirements.txt

但是最大的问题： requirements.txt 不是你维护的，而是“所有包全部列出来”。版本冲突、多平台安装不一致的问题都可能出现。

pip-tools：pip 的“高配版”

这是我最推荐的“企业级方案”。

Step 1：写明确的依赖

新建个文件叫 requirements.in：

Flask==3.*
requests>=2.31

Step 2：生成锁文件

pip install pip-tools
pip-compile requirements.in

生成一个 requirements.txt（锁死所有依赖树）。

Step 3：安装

pip install -r requirements.txt

你会得到可复现、可部署、无惊喜的依赖环境，非常稳。

Poetry：最舒服但偶尔傲娇

基本流程：

pip install poetry
poetry init
poetry add flask
poetry add requests

它会自动生成：

• pyproject.toml（声明依赖）
• poetry.lock（锁定依赖版本）

并且自动创建虚拟环境。

启动环境：

poetry shell

运行脚本：

poetry run python app.py

真的非常优雅，特别适合多人协作和中大型项目。

示例：一个完整可复现的项目

项目结构：

project/
  ├── pyproject.toml
  ├── poetry.lock
  └── app.py

app.py：

from flask import Flask
import requests
app = Flask(__name__)
@app.route("/")
defhello():
    r = requests.get("https://httpbin.org/ip")
return {"msg": "hello", "ip": r.json()["origin"]}
if __name__ == "__main__":
    app.run(port=5000)

安装依赖：

poetry install
poetry run python app.py

换台电脑、换个系统、换一年之后，只要有 lock 文件，依然能跑。

这就是依赖管理真正的价值。

最后：哪种方案最好？

一句话总结：

如果你想“稳得像 Docker 构建一样”，选 pip-tools如果你想“写 Python 写得最舒服”，选 Poetry如果你在搞 AI 或数据，选 Conda如果你只写脚本，选 pip + venv

我的个人常用组合：

• 后端项目：pip-tools
• 自己玩项目：Poetry
• AI、ML：Conda + pip