PDM：下一代 Python 包管理器

引言

Python Development Master (PDM) 是一款现代化的 Python 包管理器，旨在提供更高效、更灵活的项目依赖管理解决方案。与传统的包管理器（如 Pipenv、Poetry）不同，PDM 基于 PEP 582（Python 本地包目录）提案，不再强制依赖虚拟环境，从而有效避免了虚拟环境嵌套可能引发的冲突和管理复杂性。PDM 的核心优势在于其独特的设计理念和强大的功能集，使其成为 Python 开发者管理项目依赖的有力工具

PDM 的核心特性

PDM 的设计理念聚焦于提升开发者体验和项目管理效率，其主要特性包括：

  • 无需虚拟环境：PDM 创新性地支持 PEP 582 提案，允许项目依赖直接安装在项目根目录下的 __pypackages__ 目录中，从而摆脱了传统虚拟环境的束缚。这简化了环境管理，并使得项目更加自包含和可移植
  • 高效的依赖解析器：PDM 内置了一个简单而快速的依赖解析器，尤其在处理大型二进制包时表现出色，能够迅速计算并锁定所有直接和间接依赖的版本
  • 灵活的插件系统：PDM 提供了强大且可扩展的插件系统，允许用户根据自身需求定制和扩展功能，极大地增强了其灵活性和适应性
  • 兼容 PEP 517 和 PEP 621：PDM 完全兼容 PEP 517 (用于构建发布包，支持源码格式与 wheel 格式) 和 PEP 621 (用于项目元数据格式)，确保了与 Python 生态系统的良好集成和标准化
  • 中心化安装缓存：类似于 pnpm，PDM 实现了中心化的安装缓存机制，可以有效节省磁盘空间，避免重复下载相同的包

在这里插入图片描述

PDM 的安装

PDM 的安装方式多样，官方推荐使用 pipx 进行安装，因为 pipx 专为安装和运行命令行应用程序而设计，能够将 PDM 隔离在其自身的虚拟环境中，避免与系统 Python 环境或其他项目产生冲突。PDM 要求 Python 版本为 3.7 或更高

pipx install pdm

python pip 直接安装

pip install pdm

项目初始化与依赖管理

1. 创建空白项目

通过以下命令可以快速创建一个 PDM 管理的空白项目：

mkdir my-project && cd my-project
pdm init

pdm init 命令会引导用户完成项目初始化过程，包括选择 Python 解释器、项目名称、版本、许可证、作者信息以及所需的 Python 版本范围等。完成初始化后，项目目录下会生成两个关键文件：

  • .pdm-python：存储用户选择的 Python 解释器路径，供 PDM 后续命令使用。可以通过 pdm use 命令更改
  • pyproject.toml：PDM 的项目配置文件，遵循 PEP 621 标准，记录了项目的元数据和依赖信息

2. 添加、移除和查看依赖

PDM 使用 pdm add 命令来添加项目依赖。例如，为项目添加 ragas 库：

pdm add ragas==0.3.5

执行 pdm add 后，PDM 会自动执行以下操作：

  • 将新添加的依赖及其版本信息记录到 pyproject.toml 文件中。
  • 解析所有依赖关系，并生成或更新 pdm.lock 文件。pdm.lock 文件精确锁定了所有直接和间接依赖包的版本，确保了环境的可复现性

若要移除依赖，可以使用 pdm remove 命令：

pdm remove ragas

查看已安装依赖的详细信息，可以使用 pdm show 或 pdm list 命令：

pdm show ragas
pdm list --graph # 以树状形式查看依赖关系

3. 配置 PyPI 源

为了加快包的下载速度，可以配置 PDM 使用国内的 PyPI 镜像源。可以设置全局默认源，也可以添加额外的源：

# 更改默认源为清华源
pdm config pypi.url "https://pypi.tuna.tsinghua.edu.cn/simple"

# 增加额外的源
pdm config pypi.extra.url "https://pypi.python.org/simple/"

4. 锁定和同步依赖

pdm lock 命令会根据 pyproject.toml 中声明的依赖，解析并生成一个 pdm.lock 文件，确保每次安装的依赖环境都是一致的：

pdm lock

pdm sync 命令则会根据 pdm.lock 文件中的精确版本信息，安装或更新项目依赖，确保项目环境与锁文件保持同步。这在团队协作或部署时尤为重要

虚拟环境与 Python 解释器管理

尽管 PDM 的核心特性是无需虚拟环境，但它也提供了对虚拟环境的良好支持，以适应不同开发者的工作流和 IDE 工具的兼容性

1. 创建和使用虚拟环境

PDM 允许用户创建和管理虚拟环境：

# 查看可用的 Python 解释器
pdm python list

# 创建虚拟环境
pdm venv create -n <venv_name> <python_path>

# 查看已创建的虚拟环境（* 代表当前正在使用的）
pdm venv list

# 选择并激活虚拟环境
pdm use <venv_name>

2. 安装其他 Python 解释器

PDM 支持从 @indygreg’s python-build-standalone 安装其他 Python 解释器，方便开发者管理多个 Python 版本：

# 查看可下载的 Python 版本列表
pdm python install --list

# 下载指定版本的 Python (例如 CPython 3.9.12)
pdm python install 3.9.12

# 查看当前 PDM 项目使用的 Python 版本
pdm run python --version

3. 优化依赖解析速度

在执行 pdm install 或 pdm lock 命令时，如果遇到依赖解析耗时过长的情况，可以通过在 pyproject.toml 文件中精确指定 Python 版本范围来优化速度，例如：

[project]
requires-python = ">=3.9,<3.10"

运行命令与脚本别名

PDM 提供了 pdm run 命令来在项目环境中执行脚本或命令。为了简化复杂命令的执行，可以在 pyproject.toml 中配置命令别名：

[tool.pdm.scripts]
start = "python main.py"

# 或者使用更详细的配置，支持注释和环境变量
[tool.pdm.scripts]
start = {cmd = [
    "flask",
    "run",
    "-p", "54321" # Important comment here about always using port 54321
], env_file = ".env"}

配置别名后，可以直接通过 pdm run start 来执行对应的命令

方案兼容

PDM 足够好用，也足够开放，如果你当前使用的是其他的包管理器，比如 pipenv，poetry，requirements.txt ，你也可以很方便的迁移到 pdm 中来，下面以导入导出 requirements为例

# 从已有的requirements.txt文件导入
pdm import -f requirements requirements.txt

# pdm 导出requirements.txt文件
pdm export -o requirements.txt

总结

  • 优点: PDM 作为一款现代 Python 包管理器，凭借其无需虚拟环境、高效依赖解析、灵活插件系统以及对新 PEP 标准的良好支持，为 Python 项目管理带来了全新的体验。它不仅解决了传统包管理器在虚拟环境嵌套等场景下的痛点，还通过中心化缓存等机制提升了开发效率。无论是个人项目还是团队协作，PDM 都提供了一个强大而便捷的解决方案
  • 缺点: 执行pdm add 和 pdm lock等操作时，因为要解析包或子包的依赖关系，会导致下载时耗时很长，在非常明确要添加的版本号和依赖关系的时候，其实是不如用pip install命令更敏捷

参考文献

# python
Logo
AI Agent技术社区

Agent 垂直技术社区，欢迎活跃、内容共建。

更多推荐

mlx-community/DeepSeek-V4-Pro-Qwen3.5-9B-4bit：终极4bit量化多模态模型震撼登场！一文看懂核心优势

mlx-community/DeepSeek-V4-Pro-Qwen3.5-9B-4bit是一款基于MLX框架的4bit量化多模态模型，它从Jackrong/DeepSeek-V4-Pro-Qwen3.5-9B转换而来，专为Apple Silicon设备优化，能高效处理文本、图像和视频等多种输入类型，为用户带来强大的多模态AI体验。## 🚀 核心优势解析### 极致高效的4bit量化技术

avatar AI Agent技术社区

Qwen3-VL-8B-Instruct-w8a8-llmcompressor-v0.12.0背后的技术：LLM Compressor如何实现40%模型压缩

Qwen3-VL-8B-Instruct-w8a8-llmcompressor-v0.12.0是一款融合视觉与语言能力的多模态大模型，通过LLM Compressor技术实现了40%的模型压缩，在保持高性能的同时显著降低了部署门槛。本文将深入解析这一压缩技术的核心原理与实现细节，帮助开发者快速掌握模型优化的关键方法。## 为什么模型压缩至关重要？大模型的参数量往往达到数十亿甚至上万亿级别，

avatar AI Agent技术社区

Qwen3.6-27B INT4 AutoRound完整指南：如何在消费级GPU上运行27B多模态大模型

Qwen3.6-27B INT4 AutoRound是一个革命性的量化版本，通过先进的INT4量化技术将原54GB的Qwen3.6-27B多模态大模型压缩至仅18GB，同时保留了完整的图文理解能力和MTP推测解码功能。这个开源项目让开发者和AI爱好者能够在单张RTX 5090等消费级GPU上高效运行27B参数的多模态模型，实现了高性能与低硬件门槛的完美平衡。🚀## 🔍 项目核心特性与技术亮

avatar AI Agent技术社区