33 lines
1.7 KiB
Markdown
33 lines
1.7 KiB
Markdown
---
|
||
source_url: https://mp.weixin.qq.com/s/jg6lW3ObZooBsrWTGwIcRg
|
||
ingested: 2026-06-10
|
||
---
|
||
|
||
# 用了两年 Pydantic，我只碰了三分之一
|
||
|
||
> 微信公众号文章 | 2026年
|
||
> 拆解 Pydantic 生态三件套：pydantic-core (Rust 验证引擎) + Logfire (OTel 可观测) + Pydantic AI (类型安全 Agent 框架)
|
||
|
||
## 核心观点
|
||
|
||
Pydantic 不是校验库——是一个由三层组成的生态：
|
||
1. **pydantic-core (Rust)**：校验速度 / 脱离 GIL / 多线程并发
|
||
2. **Logfire (OTel)**：可观测性 / 成本监控 / 漂移检测
|
||
3. **Pydantic AI**：Agent 行为约束 / 类型安全的 tool 调用
|
||
|
||
## 关键洞察
|
||
|
||
- **数据源变了**：2018 年校验的是人填的表单（错误模式稳定），2026 年校验的是 LLM 生成的 JSON（错误模式漂移）
|
||
- **从"校验"到"可观测"**：不能只看单次报错，要看趋势——哪些字段在漂移、哪个模型输出最不稳定、token 成本是否在涨
|
||
- **工厂质检类比**：手工抽检（V1）→ 传送带自动扫描（strict=True）→ IoT 传感器 + 实时看板（三件套全开）
|
||
- **TypeAdapter**：同一份数据，不同严格度——API 入口用 strict，Agent 内部传递用宽松
|
||
- **strict/forbid/frozen 三配置零成本**：不需要装新包，只改 model_config
|
||
- **类型从"报错器"变"编译器"**：Pydantic AI 的类型系统在运行时之前就约束了 Agent 的行为空间
|
||
- **诚实边界**：只做 API 校验 → 继续用 pydantic；排障靠 print → 加 Logfire；5+ tool Agent → 考虑 Pydantic AI
|
||
|
||
## 渐进路线图
|
||
|
||
1. 今天：所有 BaseModel 加 strict + forbid + validate_default
|
||
2. 这周（如有 Agent）：装 Logfire，4 行代码
|
||
3. 下次新 Agent 项目：tool > 3 时用 Pydantic AI
|