如果我要使用pipenv来管理我的依赖项，并且还要在部署数据处理应用程序时，您会建议使用哪种工作流程？
通过“服务器”计算机上的源代码“安装”代码似乎是最简单的方法。我在下面描述这个过程。你能发表评论吗？它正在创建环境并从源代码运行，而不是实际安装。
在每台开发人员PC上：
pipenv install <pkg>根据需要在运行脚本的PC（“服务器”）上：
pipenv --deploy --sequential --ignore-pipfile pipenv clean 我应该在开发PC上随时进行pipenv lock吗？我觉得这不是必需的，因为pipenv install将在pipfiles中自动生成所需的配置？
我添加了pipenv clean，因为pipenv install不会自动删除在我的开发PC上已pipenv uninstall并已承诺回购的内容。即使该软件包未在pipfile / pipfile.lock中列出，在执行pipenv install时也不会被删除。与pipenv sync相比，对此有何评论？
关于pipenv的文章很多，但实际上并没有太多涉及到结合使用dev-PC和server-PC环境，从dev PC中“部署”它的许多细节。到服务器。 Real Python具有不错的文字记录，但他们没有提及我对已卸载软件包的了解...
此外，在服务器上，我的代码将由git提取，并创建和维护pipenv。
如果从实际脚本所在的其他文件夹中调用我的文件，pipenv将尝试使用venv作为调用代码的文件夹或代码实际所在的文件夹（使用{{1 }}）？
有关“激活”已创建环境的任何提示。在此阶段以及可预见的将来，这将是服务器上唯一的Python安装和环境-也许在整个系统范围内安装软件包最为简单。评论/提示？