Python Plus 增强

解决什么问题

在复杂 Python 项目里，真正拖慢进度的往往不是语法，而是这几件事：异步边界没理清，await 写在关键路径上，I/O 并发吞吐上不去；类型约束偏弱，接口契约靠口头约定，重构时缺少安全网；dataclasses、attrs、pydantic 职责混在一起，校验和序列化逻辑散落各处；测试靠手动堆参数，mock 策略不统一；性能优化凭感觉，没有 cProfile、py-spy 这类第一手测量数据。

技能如何工作

• Async/Await：从 asyncio 基础模式讲起，覆盖异步生成器、异步上下文管理器与任务组，重点是 await 粒度、任务编排与错误传播。
• 类型标注：在常规注解之外引入泛型、Protocol、类型守卫和 Literal，把接口契约交给静态检查流程。
• 数据类：attrs、pydantic、dataclasses 分别对应建模、校验、轻量数据容器，按场景选择而不是混用。
• 测试策略：用 pytest fixture 分层组织测试状态，参数化覆盖组合，mock 收敛外部依赖，让断言集中在行为上。
• 性能优化：先 cProfile 或 py-spy 定位热点，再考虑缓存与 __slots__ 这类对象布局调整，用测量代替猜测。

快速参考

| 任务 | 工具 |
|------|------|
| 类型检查 | mypy、pyright |
| 格式化 | black、ruff |
| 测试 | pytest |
| Profiling | cProfile、py-spy |
| Linting | ruff、flake8 |

适用边界与注意点

• 异步并发解决的是 I/O 等待问题，CPU 密集任务要拆到进程或线程，不能指望事件循环。
• Protocol 是结构化类型约束，运行期不会强制检查；TypeGuard 的收窄效果仍依赖调用路径。
• pydantic 校验有开销，建议在系统边界做校验，内部数据流尽量贴近原生对象。
• __slots__ 只在有明确的内存或属性布局收益时使用，它会限制动态属性，可能影响第三方库兼容性。
• 先测量再优化，缓存会引入一致性复杂度，没有证据前不要默认加上。