Python 服务与 CLI 工程实践
将以下提示词粘贴到你的 AI 对话框中：
请根据 https://skillhub.cn/install/skillhub.md，安装 @user_15292d5a/yjkj-compound-eng-python-services。
技能介绍
要解决的问题
Python 服务端和 CLI 项目经常卡在工具链碎片化：pip、virtualenv、pyenv 分开维护，lint、format、type check 各有一套规则，同步与异步边界不清，生产服务又缺少韧性、观测和 API 契约。结果是本地能跑、线上难查、接口易漂移。
技能如何工作
它把常见工程实践压缩成可执行规则。先固定现代工具链：用 uv 管依赖和运行环境，用 ruff 统一检查与格式化，用 ty 做类型检查；项目初始化优先 uv init --package，依赖只通过 uv add 管理，并跟踪 uv.lock。并发选择按负载区分：I/O 并发用 asyncio.gather 或 asyncio.TaskGroup，CPU 计算用 multiprocessing，混合场景用 asyncio.to_thread。服务侧强调 FastAPI、后台任务、tenacity 重试、连接池、structlog、Prometheus 与 OpenTelemetry。测试要求 pytest、autospec、参数化用例和共享 conftest；API 先定义 Pydantic 请求/响应模型，统一错误结构，并把第三方响应视为不可信输入。
适用边界
适合 Python 3.11+ 的服务端、CLI 与后台任务场景，尤其是需要依赖、并发、可观测性和接口稳定性的项目。不适合一次性纯脚本、简单同步工具，或团队尚不准备引入异步与结构化日志的场景。数据库迁移的完整生产模式仍需结合 PostgreSQL/Alembic 相关技能。
使用场景
- 新建可发布 Python 包或服务时，用 uv 初始化、添加依赖，并用 ruff 和 ty 建立检查基线。
- 服务要并发调用 HTTP、数据库或文件时，用 asyncio.gather、TaskGroup、Semaphore 和 timeout 控制 I/O。
- 为后台任务加入 Celery 重试、指数退避、幂等键和死信队列，处理外部服务偶发失败。
- 上线前补全 structlog、Correlation ID、Prometheus 指标、/health 与 /ready，便于排查跨服务请求。
适合人员
- 维护 FastAPI 服务的后端工程师，需要把依赖、类型检查、错误结构和可观测性统一成可复用规范。
- 构建 CLI 工具或内部平台脚本的工程师，希望用 uv、ruff、ty 和 pytest 稳定交付可执行文件。
- 负责 Python 服务上线与排障的平台工程师，需要健康检查、结构化日志、指标、追踪和韧性策略。
- 带 Python 小团队的技术负责人，需要测试、Alembic 迁移和 API 契约纪律降低评审与返工成本。
相关技能
纯 Python 标准库实现，提供中英基础互译、语言检测与内置词典统计，便于 Agent 直接调用。
面向工程师的代码评审工作流，按风险分级并结合安全、性能、可维护性维度生成结构化反馈。
为 WorkBuddy 生成主题包与预览页，通过最小化改写 app.asar 渲染样式完成换肤，并支持一键还原。
用于在 Java Spring Boot 项目中集成商盟收结汇4.0，覆盖客户报备、材料上送、直接下发与文件上传等接口。