pip install -r requirements.txt 能批量安装依赖，但需确保 requirements.txt 内容合理、环境干净、路径正确；应按生产/开发分层管理，用 pipreqs 生成实际依赖，手动校验并同步更新。
直接用 pip install -r requirements.txt 就能批量装完依赖，但前提是文件内容合理、环境干净、路径正确——这三步出错，90%的“一键失败”就发生在这儿。
requirements.txt 文件内容怎么写才靠谱？
不是所有包都该写进这个文件，也不是所有版本写法都安全：
-
requests==2.31.0：锁死版本，适合生产环境，避免意外升级导致行为变更 -
numpy>=1.24.0：允许小版本升级，但要注意某些库（如scikit-learn）对numpy有硬性下限要求，不满足会 import 失败 -
django~=4.2.0：等价于>=4.2.0, ，比 <code>==更灵活，又比>=更可控 - 别写
pip install pip这类命令行操作，requirements.txt只管包名和版本 - 如果项目用了非 PyPI 包（比如 Git 仓库），要写成：
mylib @ git+https://github.com/user/repo.git@main
生成 requirements.txt 时用 pip freeze 还是 pipreqs？
两者目的不同，选错会导致装一堆用不到的包，或者漏掉关键依赖：
-
pip freeze > requirements.txt：导出当前 Python 环境里**所有已安装包**，包括你调试时随手装的jupyter、black，甚至系统级工具包。适合环境备份或部署镜像，不适合新项目初始化 -
pipreqs . --force：只扫描项目代码里的import语句，生成**实际用到的直接依赖**。更干净，但无法识别动态导入（如importlib.import_module）或 setup.py 中声明的依赖 - 如果遇到
UnicodeDecodeError，加参数：pipreqs . --encoding=utf-8 - 生成后建议手动检查：删掉明显无关的包（如
pip、setuptools），补上缺失的（如python-dotenv常被忽略但实际用了）
安装时 pip install -r requirements.txt 总卡住或报错？
常见失败不是命令本身问题，而是上下文没准备好：
立即学习“Python免费学习笔记（深入）”；
- 确保你在
requirements.txt所在目录执行命令，否则pip找不到文件 - 强烈建议先创建并激活虚拟环境：
python -m venv venv && source venv/bin/activate（Linux/macOS）或venv\Scripts\activate（Windows），避免污染全局 Python - 国内网络慢？加镜像源：
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple/ - 遇到编译错误（如
lxml、psycopg2）：改用预编译轮子：pip install --only-binary=all -r requirements.txt - 提示
Could not find a version that satisfies：大概率是某包已从 PyPI 下架，或版本号拼错（比如把pydantic写成pydatic），逐行注释排查更快
为什么推荐分层管理 requirements/base.txt 和 requirements/dev.txt？
单个 requirements.txt 在团队协作中很快会失控：
-
requirements/base.txt：只放运行时必需包，如flask、requests、sqlalchemy -
requirements/dev.txt：开发专用，开头写-r base.txt继承基础，再追加pytest、black、mypy - 部署时只跑
pip install -r requirements/base.txt，体积小、启动快、攻击面小 - CI/CD 流程里可分别验证：base 层保证服务能启动，dev 层保证测试能通过
- 注意：
-r必须写在单独一行，不能跟其他包写在同一行，否则pip解析失败
真正容易被忽略的点是：requirements.txt 不是“一次生成永久有效”的快照，它需要随代码同步更新——每次新增 import 就该补依赖，每次升级包就要确认版本约束是否仍合理。没人维护的 requirements.txt，比没有还危险。
