一个单纯的项目工作记录
之前一直用DB-GPT来做项目的RAG，但最近重启后发现BYD怎么都用不了，一看居然大更新。
在最新的7.0的版本中，他们不再使用pip来进行包的管理，而是使用uv
这个uv挺有意思，就先介绍一下：
uv 的核心特点和作用：
-
速度极快：相比
pip，uv采用 Rust 语言编写核心逻辑，依赖解析和安装速度提升 10-100 倍（官方数据），尤其在大型项目（如 DB-GPT 这类依赖复杂的项目）中优势明显。 -
功能全面：集成了包管理（安装、卸载、升级）、虚拟环境管理、依赖锁文件生成（类似
pip freeze但更严谨）、工作区（workspace）支持等功能，一站式解决 Python 项目的依赖问题。 -
严格的依赖管理：自动生成
uv.lock锁文件，精确记录所有依赖的版本和来源，确保不同环境下安装的依赖完全一致（避免pip中常见的 “本地能跑，线上报错” 问题）。 -
支持工作区（workspace）：对于多包项目（如 DB-GPT 可能包含多个子模块 / 插件），
uv支持通过pyproject.toml中的tool.uv.workspace配置管理整个项目的依赖，统一安装 / 更新所有子包的依赖，这也是 DB-GPT 中重点使用的功能（代码中extract_workspace_extras函数就是基于此解析项目结构）。
在 DB-GPT 中的具体应用：
- 代码中频繁出现的
uv sync命令：用于根据pyproject.toml和uv.lock同步依赖（安装缺失的依赖，移除不需要的依赖），类似pip install -r requirements.txt但更智能。 --extra参数：uv支持通过--extra指定安装 “可选依赖”（即pyproject.toml中的optional-dependencies），DB-GPT 中各种功能模块（如 RAG、代理模型、存储引擎）的依赖就是通过这种方式管理的。- 工作区配置：通过
tool.uv.workspace定义项目的子模块（members）和排除项（exclude），uv会自动识别并管理整个项目的依赖关系，无需手动维护多个requirements.txt。
而这样就导致了我们的启动方式的改变：
在原本的使用中，我们直接python dbgpt/server/run.py，就开始启动服务
但在现在中，他提供了以下两个方法：1.uv run dbgpt start webserver --config configs/dbgpt-proxy-openai.toml
2.uv run python packages/dbgpt-app/src/dbgpt_app/dbgpt_server.py --config configs/dbgpt-proxy-openai.toml
注意：uv的下载出问题的情况下，可以通过pip下载：python -m pip install --upgrade pip
python -m pip install --upgrade pipx
python -m pipx ensurepath
pipx install uv --global
纯cpu有概率跑不起来，看到说装上cpu版本的pytorch能解决
目前7.0快速开启文档如下： 快速开始_V0.7.0