选择解释器与准备环境
查看当前项目实际使用的 Python
# 在带 pyproject.toml 的项目根目录运行，检查项目解释器与版本。
uv run python -c "import sys; print(sys.executable); print(sys.version)"
# 查看该项目环境安装的包；不需要先激活 .venv。
uv pip listsys.executable 应指向当前项目的 .venv。VS Code 中执行 Python: Select Interpreter，选同一个项目环境，再在新终端中核对解释器。编辑器的环境选择过程可以回查第一章和 VS Code 环境文档。
使用 uv 重建
# 在新的项目副本中，按随附 uv.lock 准备 Python 3.12 环境。
uv sync --locked
# 同步后用项目解释器运行一个包，确认可导入。
uv run python -c "import sys; print(sys.executable)"依赖声明与锁定文件一起保存，环境目录由同步命令重新创建。uv run 使用该项目环境执行命令，项目流程见 uv 官方说明。
使用 pip 与 .venv 重建
FastAPI、Flask、Django、PyTorch 和第十七章两个项目都带 pip-requirements.txt，在各自目录执行：
# Windows：为当前项目建立 Python 3.12 虚拟环境。
py -3.12 -m venv .venv
# 使用这份环境的 pip，安装清单中的版本与当前项目。
.venv\Scripts\python.exe -m pip install -r pip-requirements.txt
.venv\Scripts\python.exe -m pip install --no-deps -e .
# 核对运行解释器与依赖安装位置。
.venv\Scripts\python.exe -c "import sys; print(sys.executable)"
.venv\Scripts\python.exe -m pip list第六、八、九、十、十一、十二章的完整项目使用 requirements-dev.txt，安装当前项目与开发清单：
# 在相应项目根目录创建环境，再安装项目声明与开发依赖。
py -3.12 -m venv .venv
.venv\Scripts\python.exe -m pip install -e . -r requirements-dev.txt
# 此后的 python、pytest 和包入口都使用这份环境。
.venv\Scripts\python.exe -m pytestmacOS/Linux 用 python3.12 -m venv .venv 创建环境，将上面的解释器路径换成 .venv/bin/python。直接写出解释器路径即可运行；虚拟环境的结构与安装命令可查 venv 文档 和 pip 用户指南。
安装选读部分的依赖
| 所在项目 | uv 操作 | 接着运行的内容 |
|---|---|---|
crawler_project |
uv sync --locked --extra browser |
uv run --extra browser python -m playwright install chromium，再运行浏览器演示 |
crawler_project |
uv sync --locked --extra scrapy |
运行 spiders/books.py，观察跟页与输出 |
analysis_project |
uv sync --locked --extra table |
运行 ../demos/pandas_bridge.py 对照表格操作 |
training_project |
uv sync --locked --extra serve |
运行接口测试或启动 readingtorch.api |
pip 路线用 python -m pip install -e ".[browser]" 这样的形式安装对应可选项，再使用同一解释器执行后续命令。PyTorch 项目附带的 pip 精确清单已经包含接口检查所需依赖。