用途：venvstacks 用于打包 Python ML/AI 应用并独立分发运行时环境，通过分层虚拟环境栈实现依赖锁定和可重现发布。
主要能力：定义三层环境架构（Runtime 为 Python 解释器环境、Framework 为共享框架如 PyTorch/scikit-learn、Application 为独立应用组件）；依赖锁定与本地导出、归档发布；可重现构建，相同输入产生字节级相同归档，并记录输入与输出哈希。依赖锁定使用 uv 进行联合依赖解析，跨平台锁定采用 pylock.toml 格式，仅允许从二进制包安装。sitecustomize.py 实现层间依赖共享，允许代码导入下层包的模块。
安装：pipx install venvstacks 或 pip install --user venvstacks，依赖 uv>=0.5.0。
使用方式：在 venvstacks.toml 中定义 runtimes、frameworks、applications 三层，例如 runtime 指定 cpython@3.11、fully_versioned_name 为 cpython@3.11.10，application 指定 launch_module 与 frameworks。随后执行锁定：venvstacks lock sklearn_demo/venvstacks.toml，生成 requirements 文件夹与层锁定元数据。构建：venvstacks build sklearn_demo/venvstacks.toml，创建 venv、安装指定包、注入 sitecustomize.py 与 postinstall.py。本地测试：venvstacks local-export --output-dir demo_export sklearn_demo/venvstacks.toml。发布：venvstacks publish --tag-outputs --output-dir demo_artifacts sklearn_demo/venvstacks.toml。一步完成锁定、构建、发布：venvstacks build --publish --tag-outputs --output-dir artifacts stack.toml。多平台时先跨平台 lock，再分平台 build --target linux-x64、win32-x64、darwin-arm64，最后 publish。
适用场景：需要打包 Python ML/AI 应用并独立分发运行时环境时；需要跨平台构建与可重现归档时。限制：资料未提供支持的 Python 版本范围、平台兼容性细节、收费或价格信息；仅允许二进制包安装。