彩票网站开发公司,单页应用网站,百度统计,贸易网站建设方案Python 多版本治理理念#xff08;Windows 平台 零基础友好#xff09;-CSDN博客 Python 多版本与开发环境治理架构设计-CSDN博客 使用命令行创建项目本地的 Poetry 虚拟环境实战演示 —— 基于《Python 多版本与开发环境治理架构设计》的最佳实践-CSDN博客 一、Python311 环… Python 多版本治理理念Windows 平台 · 零基础友好-CSDN博客 Python 多版本与开发环境治理架构设计-CSDN博客 使用命令行创建项目本地的 Poetry 虚拟环境实战演示 —— 基于《Python 多版本与开发环境治理架构设计》的最佳实践-CSDN博客 一、Python311 环境工具链准备
1. 环境结构与工具路径
python311 环境Python 3.11
├─ python.exe: D:\ProgramData\anaconda3\envs\python311\python.exe
├─ 工具路径: D:\ProgramData\anaconda3\envs\python311\Scripts\
│ ├─ poetry.exe: 依赖管理工具
│ ├─ virtualenv.exe: 虚拟环境创建工具
│ ├─ pipenv.exe: 另一种依赖管理工具
│ ├─ uv.exe: 轻量级虚拟环境工具
│ └─ hatch.exe: Python项目管理工具
├─ PyCharm解释器路径: 同上
└─ 终端命令示例:├─ poetry: D:\...\poetry.exe init├─ virtualenv: D:\...\python.exe -m virtualenv .venv└─ 其他工具调用方式类似2. 工具链路径准备
│ │
│ ├─ python311 环境Python 3.11
│ │ ├─ python.exe: D:\ProgramData\anaconda3\envs\python311\python.exe
│ │ ├─ 工具路径: D:\ProgramData\anaconda3\envs\python311\Scripts\
│ │ │ ├─ poetry.exe: D:\ProgramData\anaconda3\envs\python311\Scripts\poetry.exe 二、Poetry 虚拟环境创建五步流程
# 1、交互式生成项目配置文件pyproject.toml
D:\ProgramData\anaconda3\envs\python311\Scripts\poetry.exe init# 2、强制使用Conda环境中的Python 3.11创建虚拟环境
poetry env use D:\ProgramData\anaconda3\envs\python311\python.exe# 3、激活Windows系统下的本地虚拟环境
.venv\Scripts\activate# 4、在虚拟环境中安装Poetry实现工具链本地化
pip install poetry# 5、在虚拟环境中验证工具链的本地化
python -V
where python
poetry -V
where poetry
步骤详解
1. 初始化 Poetry 项目
D:\ProgramData\anaconda3\envs\python311\Scripts\poetry.exe init # 显式调用Conda环境的Poetry F:\PythonProjects\sunaD:\ProgramData\anaconda3\envs\python311\Scripts\poetry.exe init This command will guide you through creating your pyproject.toml config. Package name [suna]: #输入项目名称 或 按回车键使用默认名称[suna] Version [0.1.0]: #输入项目版本号 或 按回车键使用默认版本[0.1.0] Description []: AI Agent SUNA #输入项目描述信息 或 按回车键 跳过输入 Author [****** ******qq.com, n to skip]: 按回车键 #按回车键确认自动关联的作者信息 或 输入 n 跳过 License []: MIT #输入项目许可证类型 或 按回车键 跳过输入 Compatible Python versions [3.8]: ^3.11 #修改支持的python版本 或 按回车键 跳过输入当前默认 3.8 我输入^3.11修改为支持3.11版本 Would you like to define your main dependencies interactively? (yes/no) [yes] NO #输入项目的主要依赖项信息 或 按回车键 跳过输入 Would you like to define your development dependencies interactively? (yes/no) [yes] NO #输入项目的开发依赖项信息 或 按回车键 跳过输入 Generated file [project] name suna version 0.1.0 description AI Agent SUNA authors [ {name ******,email ******qq.com} ] license {text MIT} readme README.md requires-python ^3.11 dependencies [ ] [build-system] requires [poetry-core2.0.0,3.0.0] build-backend poetry.core.masonry.api Do you confirm generation? (yes/no) [yes] YES #你确认生成吗 输入 YES 确认 建议除非必须交互输入的外创建 poetry 时能不配置的先不配置避免因配置错误而创建环境受阻也就是输入NO 然后回车 或 直接回车使用默认配置。 生成的核心配置文件 pyproject.toml 内容参考
[project]
name suna
version 0.1.0
description AI Agent SUNA
authors [{name ******,email ******qq.com}
]
license {text MIT}
readme README.md
requires-python ^3.11
dependencies [
][build-system]
requires [poetry-core2.0.0,3.0.0]
build-backend poetry.core.masonry.api2. 配置本地虚拟环境生成路径可选
Poetry 有时会默认将虚拟环境创建在系统的缓存目录下而不是项目目录中。
# 配置Poetry在项目目录内创建虚拟环境
poetry config virtualenvs.in-project true3. 强制指定 Python 解释器创建环境 # 使用Conda环境中的Python 3.11创建虚拟环境
poetry env use D:\ProgramData\anaconda3\envs\python311\python.exe# 关键输出:
# Creating virtualenv suna in F:\PythonProjects\suna\.venv4. 激活本地虚拟环境 # Windows系统下激活虚拟环境
.venv\Scripts\activate# 状态确认:
# 命令行前缀变为 (suna-py3.11) (python311)5. 工具链本地化推荐步骤 # 在虚拟环境中安装Poetry实现工具链隔离
pip install poetry三、环境独立性验证
1. 路径验证激活后 # 检查Python路径首位为本地.venv
where python
# 输出: F:\PythonProjects\suna\.venv\Scripts\python.exe# 检查Poetry路径新增本地路径
where poetry
# 输出: F:\PythonProjects\suna\.venv\Scripts\poetry.exe2. 脱离 Conda 环境验证 # 退出所有环境后重新激活
exit # 退出Poetry虚拟环境
conda deactivate # 退出Conda环境
.venv\Scripts\activate # 仅通过本地.venv激活Poetry环境# 最终验证:
python -V # 仍显示 Python 3.11.11
where python # 本地.venv 路径内的 python 显示在首位
where poetry # 本地.venv 路径内的 poetry 显示在首位四、技术原理与治理价值 工具链借用模式 通过 Conda 环境的 Poetry 工具链初始化项目仅作为 “构建工具”避免直接依赖 Conda 环境开发。 三级隔离体系 工具链层Conda 提供基础工具环境层Poetry 在项目目录生成.venv应用层依赖与代码封装在.venv 中 工程化价值 环境自包含.venv 可随项目迁移通过poetry install重建版本可控pyproject.toml明确 Python 版本边界避免依赖冲突 此流程严格遵循《Python 多版本与开发环境治理架构设计》中的最佳实践为 AI 项目、开源库等对环境稳定性要求高的场景提供了标准化解决方案。
