Pyenv – 让你轻松在多个 Python 版本之间切换

pyenv 的作用

• 用于安装并切换多个 Python 版本，独立于系统自带的 Python。
• 常见工作流：
  • pyenv 管解释器版本 → venv 或 pyenv-virtualenv 管环境 → Poetry/PDM/pip-tools 管依赖。
  • 匹配生产运行时（例如特定的 3.x.y 版本），或在同一台机器上同时使用新旧版本。
• 有些人也用它来构建经过优化的解释器（LTO、原生 CPU 标志），或者保持系统的 site-packages 干净。

对 pyenv 的批评与注意事项

• 主要顾虑：它通常会从源码编译 CPython，这会：
  • 需要构建工具链和库；如果没有仔细配置，在 macOS 和 Linux 上经常会失败。
  • 在容器中使用时会增加 CI 时间和镜像体积。
• shims 又增加了一层，PATH / 解析 bug 可能会藏在这里。
• 一些运维/开发者表示，他们反复通过移除 pyenv 来修复“神秘”的 Python 问题；他们把它看作一种包装器，会增加故障模式，更适合专家而不是新手。
• 也有人反驳说，构建 Python 很简单，他们多年来使用 pyenv 一直没问题，并且重视这种细粒度控制。

Python 版本与环境的替代方案

• 系统 Python + venv：很多人主张对大多数工作来说，python3.X -m venv .venv 加 requirements 文件就足够了；简单且内置。
  • 反方观点：venv 只会使用已经安装好的解释器，而且通常会符号链接到它们，因此操作系统/安装器升级可能会悄悄改变运行时。
• 多语言管理器：asdf 和 mise 可以把 Python 与 Node、Ruby 等一起管理；一些人更喜欢 mise，因为性能更好、CLI 更友好，而且经常复用 asdf/pyenv 插件。
• Conda/mamba/pixi：在需要非 Python 二进制文件（CUDA、地理空间栈）的场景里仍然很受欢迎；pixi 通过 uv 增加了 lockfile 和 PyPI 支持。
• Docker / Nix：
  • Docker 被广泛用于绕开宿主机 Python 问题，尤其是在机器学习场景中配合 NVIDIA 基础镜像。
  • Nix 被强调为少数真正能够随着时间完整复现环境（Python + 系统库）的选项之一。

Python 打包的元问题

• 许多人抱怨碎片化：pip、venv、virtualenv、conda、poetry、PDM、pipenv、Rye、uv、pipx，等等。
• 业内共识是：没有单一的“银弹”，尤其对新手而言；建议从“就用 venv”到“就用 Docker”再到“如果你能接受复杂性就用 Nix”不等。