总览
类似于 Poetry，借助 PDM 可以解决 Python 环境依赖问题、管理依赖版本和管理虚拟环境。
PDM？
要记录 Python 环境所需依赖，最直接的方式是使用 requirements.txt。文件内容大概会长成这样：
torch --index-url https://download.pytorch.org/whl/cu124
numpy>=1.26.4
scipy
tqdm
pandas==2.2.2
不需要额外的操作，使用 pip install -r requirements.txt 就能从 requirements.txt 安装所有指定依赖。
但不同工程需要不同版本的依赖该怎么办？可以选择 PDM，为各个工程创建并管理新的虚拟环境。
除了管理虚拟环境依赖，PDM 还有自定义脚本、多虚拟环境仅安装一份依赖等功能。
安装
我习惯使用 pip 安装。
pip install --user pdm
就完成了，很直接。
简单使用
执行命令 pdm init，初始化项目。根据提示一步一步选择。
首先，会要求选择 Python 解释器，然后在当前目录创建虚拟环境 .venv。在配置完成后可以用 pdm use 修改解释器。若选择的解释器是 Conda 虚拟环境，则 PDM 会选择复用环境而不创建 .venv。
然后是工程名和工程版本。按需填写。
现在 PDM 会询问是否打算构建并发布工程（一般是指是否发布到 PyPI）。若选择是， PDM 会在 pyproject.toml 文件中添加名称、版本字段，以及一个 [build-system] 表格用于构建后端。此外，当运行 pdm install 或 pdm sync 时库项目将被安装到环境中（除非指定 --no-self）。
最后指定 Python 版本需求。
现在可以愉快地使用 PDM 了。一些有用的指令：
pdm add，添加并安装某个依赖pdm remove，删除某个依赖pdm install，更新锁文件并安装依赖pdm lock，更新锁文件pdm sync，从锁文件安装依赖
pdm list，打印已安装依赖pdm export -o requirements.txt，导出锁文件包含依赖
结合 git 版本管理
必须提交 pyproject.toml 文件，不应提交 .pdm-python 文件。推荐提交 pdm.lock 文件。
中央安装缓存
如果一个软件包被系统上的许多项目所需，每个项目都必须保留自己的副本，会很浪费磁盘空间。
PDM 支持通过将相同的 wheel 安装在集中式软件包存储库中，并在不同的项目中链接到该安装来缓存相同 wheel 的安装。
pdm config install.cache on
