针对你的场景，这里有几个便于外部用户快速采用的方案：

方案1：通过pyproject.toml配置永久排除PyTorch依赖 #

直接在项目根目录的pyproject.toml里添加uv专属配置，让它跳过PyTorch系列包的解析和管理：

[tool.uv]
# 排除PyTorch及其关联包，避免uv自动安装或删除手动版本
exclude-dependencies = ["torch", "torchvision", "torchaudio"]

或者用依赖覆盖的方式（更灵活，适合需要标记版本但不安装的场景）：

[tool.uv.dependency-overrides]
torch = { version = "*", markers = "sys_platform == 'unimplemented'" }
torchvision = { version = "*", markers = "sys_platform == 'unimplemented'" }
torchaudio = { version = "*", markers = "sys_platform == 'unimplemented'" }

配置完成后，用户执行uv sync时就不会再处理PyTorch相关包，完全保留手动安装的版本。

方案2：拆分依赖文件，明确引导用户安装流程 #

1. 在项目根目录创建requirements-pytorch.txt，只放安装说明：

# 请前往PyTorch官网获取适配你系统/CUDA版本的安装命令，示例：
# pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

2. 主项目依赖（不含PyTorch）正常放在pyproject.toml中
3. 在README里写清楚两步安装流程：
   • 第一步：执行PyTorch官网的专属pip命令安装对应版本
   • 第二步：运行uv sync安装剩余依赖

方案3：临时使用命令行参数排除（适合快速测试） #

如果用户只是临时操作，可以在每次执行sync时添加排除参数：

uv sync --exclude torch --exclude torchvision --exclude torchaudio

不过这个方法需要用户每次都手动加参数，不如配置文件持久方便，适合临时调试场景。

额外建议 #

把安装流程写在项目README最显眼的位置，明确告知用户必须先装PyTorch再运行uv sync，避免踩坑。

内容的提问来源于stack exchange，提问作者SRobertJames