| 失效链接处理 |
|
Pydantic 主动拥抱 AI 了 原贴地址:https://mp.weixin.qq.com/s/1mDZPaLiazGms7Ew7Q2HLg
相关截图:
![]() 主要内容:
Pydantic 是干什么的
Pydantic 是 Python 里最常用的数据校验库。你用 BaseModel 把字段和类型写清楚,它负责把 JSON、表单、环境变量变成真正能用的对象。类型不对、缺字段、格式乱了,它会直接报错,不会让问题数据悄悄放进业务逻辑。
FastAPI 能火,很大一部分原因就是把 Pydantic 嵌进去了。请求进来先校验,响应出去再按模型吐,IDE 补全、类型检查、OpenAPI 文档几乎是顺手的事。
一个经典的例子大概是这样:
from pydantic import BaseModel, EmailStr, Field
class User(BaseModel):
name: str = Field(min_length=1)
email: EmailStr
age: int = Field(ge=0, le=150)
user = User(name="小明", email="xiaoming@example.com", age=28)
print(user.model_dump())
# {'name': '小明', 'email': 'xiaoming@example.com', 'age': 28}
它为什么会主动拥抱 AI
大模型很会说话,但不太守规矩。你让它返回 JSON,它可能夹一段解释;你让它填优先级,它可能写出「有点急,看着办」。业务代码要的是字段,不是散文。
Pydantic 团队没有另起炉灶发明一套全新语法,而是沿着老本行往前走:把模型输出也当成需要校验的数据。于是有了 Pydantic AI——一个类型安全、模型无关的 Python Agent 框架。官网现在甚至直接把自己定位成 AI 工程栈:用 Pydantic AI 写 Agent,用 Logfire 看运行过程,用 Evals 做评测。
换模型也很直接。Agent 里写 'openai:gpt-4o' 或 'anthropic:claude-sonnet-4',换一家通常只是改字符串。工具、输出类型、依赖注入可以原样留下。
|


苏公网安备 32061202001004号
