在專案開發過程中，如何妥善管理環境與依賴套件，往往比寫程式本身更重要。因為隨著時間推移，套件會更新、版本會衝突、專案會擴張，如果沒有一個良好的環境隔離與管理策略，最終一定會走向「環境地獄（dependency hell）」。

Python 的一大亮點就是虛擬環境 (Virtual Environment)，它可以把每個專案所需要使用的元件獨立開來，避免不同專案之間互相干擾。但 Python 的相關工具至今仍處於「百家爭鳴」的狀態，不同社群與公司都有推出解決方案。以下整理出目前最常見的幾種工具：

• virtualenv：最早期的環境隔離工具
• venv：Python 3.3 版本後內建，簡單好用
• conda：Anaconda 釋出，偏向科學運算與資料科學領域
• pipenv：一度是 Python.org 官方推薦的工具
• poetry：社群活躍，強調「依賴管理 + 打包發佈」的解決方案
• hatch：2022 年由 PyPA 推出，功能完整且緊貼 PEP 標準

我的觀察與建議

1. 小專案 / 學習用途
   • 用內建的 venv 就足夠，簡單輕量。
2. 資料科學 / AI 領域
   • 建議用 conda，因為它能一次解決 Python + C/CUDA 的相依套件問題。
3. 中小型專案 / 想要好好維護的應用
   • 建議用 poetry，因為它的社群生態已經相對成熟，文件完整，學習成本低。
4. 長期規模化開發 / 團隊維運 / 發佈套件
   • 強烈建議關注 hatch。它的設計理念是下一代 Python 工程化的基石，未來可望成為標準。

Python 環境管理工具比較表

Hatch 的安裝與快速上手

在這一次鐵人賽的主題，我們的目標是打造 工程化的 Python 專案。既然如此，環境管理工具的選擇就非常關鍵。本系列將以 Hatch 作為主要的專案管理核心，因為它不僅能管理虛擬環境與相依套件，還能涵蓋建置、測試與發佈的完整流程。

所以從這裡開始，我們就要動手安裝 Hatch。安裝過程相當簡單，以下我會以 macOS 環境 為例進行示範（Linux 幾乎相同，Windows 則需調整安裝方式）。

安裝 Hatch

建議使用 pipx 來安裝（避免污染全域 Python 環境）：

如果你沒有安裝 pipx，也可以直接用 pip install hatch，但這樣會安裝在全域環境，不建議工程化專案這麼做。

# 安裝 pipx (如果還沒有安裝)
python3 -m pip install --user pipx
python3 -m pipx ensurepath

# 使用 pipx 安裝 Hatch
pipx install hatch

確認安裝成功：

hatch --version

建立一個新專案

假設我們要建立一個名為 demo-app 的專案：

hatch new demo-app

這會自動產生一個專案骨架，包含以下檔案結構：

demo-app/
├── src/demo_app/__init__.py
├── tests/
│   └── test_demo_app.py
├── pyproject.toml
└── README.md

• src/：程式碼放置目錄
• tests/：單元測試
• pyproject.toml：專案配置（PEP 621 格式）

Hatch 預設專案會放在 src/ 架構，這也是目前 Python 專案推薦的慣例，我們會在 Day 3 詳細介紹。

啟動虛擬環境

進入專案後，可以直接用 Hatch 啟動隔離環境：

cd demo-app
hatch shell

此時就已經進入 Hatch 管理的虛擬環境，後續安裝套件、執行程式、測試都能在這裡完成。

執行測試

Hatch 預設已經幫你設定好 pytest，直接執行：

hatch run test

這樣一來，從環境建立 → 套件管理 → 測試執行，全部都透過一個工具完成，這就是 工程化的價值。

結語

工具的選擇並不是「越新越好」或「換得越快越好」，而是要符合 專案的需求 與 團隊的工作習慣。如果你已經在使用 poetry，而且也能滿足日常的開發需求，那麼大可繼續沿用，沒有必要急著轉移到 Hatch。但若你正準備啟動一個全新的專案，尤其是涉及 團隊協作、長期維護或正式發佈 的情境，那麼投入一些時間學習 Hatch，很可能會在未來幫你節省大量環境維護與流程整合的成本。

在接下來的章節中，我們會持續以 Hatch 為基礎，逐步構建出一個工程化的 Python 專案，讓大家體驗從環境管理到測試、建置、發佈的完整開發流程。

Next Day

Day 3 - pyproject.toml：現代 Python 專案的核心設定檔