Python 后端开发指南

Python 是 AI 时代的事实标准胶水语言：既能写服务端（FastAPI/Django），又是模型与 Agent 生态（Pydantic、LangChain 等）的第一载体。本文面向有 JS/Go 经验的工程师，按「环境 → 语言 → 框架 → 数据 → AI 生态」主线整理。

1. 环境与工程化（先把这个理顺）

Python 的「环境地狱」是新手劝退第一关，2024 年后标准答案已收敛到 uv：

工具	定位	现状
uv	Rust 编写的一体化工具：包管理 + 虚拟环境 + Python 版本管理 + 锁文件	事实上的新一代标准，极快
venv + pip	标准库内置	仍在广泛使用，理解它有助于理解一切
poetry	依赖管理老牌方案	存量大，新项目多被 uv 替代
pyenv	多 Python 版本	uv 已内置该能力

# uv 典型工作流
uv init my-app && cd my-app
uv add fastapi uvicorn        # 加依赖（自动建 venv + 写锁文件）
uv run python main.py         # 在项目环境里执行
uv python install 3.13        # 管理解释器版本

版本现状（2026）：3.13（2024.10）引入实验性 free-threaded 构建（去除 GIL，PEP 703）与实验性 JIT；3.14（2025.10）起 free-threading 进入官方支持阶段。生产选型写服务建议 3.12/3.13，做 AI 生态跟随框架要求即可。

2. 语言核心：从 JS/Go 视角快速建立正确的认知

2.1 必须吃透的六个点

动态强类型 + 类型注解：注解（def f(x: int) -> str）运行时不强制，但配合 mypy / pyright 做静态检查后，工程体验接近 TS。现代项目（尤其 FastAPI）默认全量注解
GIL（全局解释器锁）：CPython 中同一时刻只有一个线程执行 Python 字节码。因此 CPU 密集用 multiprocessing/进程池，IO 密集用 asyncio 或线程；3.13+ 的 free-threading 构建可摆脱 GIL，但生态兼容仍在推进
一切皆对象：函数是一等公民，装饰器（@decorator）就是「接收函数返回函数」的语法糖——理解了它就读懂了 FastAPI/Django 的大部分魔法
鸭子类型 + 魔法方法：__len__、__enter__/__exit__（with 语句）、__iter__ 等协议决定对象行为；类型注解时代用 Protocol（结构化类型，类似 TS 的 interface）表达鸭子类型
asyncio：async def / await 与 JS 的 async/await 心智一致；区别是 Python 有独立的事件循环（asyncio.run()），CPU 密集任务用 asyncio.to_thread() 抛给线程
包管理与导入：模块 = 文件，包 = 带 __init__.py 的目录；相对导入 . / ..，命名空间与 JS 的 ESM 有差异，踩坑高发

2.2 数据结构速查

# 列表推导式（最常用的 Pythonic 写法）
squares = [x * x for x in range(10) if x % 2 == 0]
# 字典 / 集合推导
heights = {u.name: u.height for u in users}
# 解构与打包
first, *rest = [1, 2, 3, 4]
# 生成器：惰性求值，处理大数据不爆内存
total = sum(len(line) for line in open("big.log"))
# dataclass：结构化数据容器（Pydantic 的「标准库版」）
from dataclasses import dataclass

@dataclass
class User:
    name: str
    age: int = 0

3. Web 框架：FastAPI 与 Django 怎么选

	FastAPI	Django	Flask
定位	现代 API 服务（ASGI）	全家桶（ORM/Admin/Auth/迁移）	微框架，自己组装
类型与校验	Pydantic + 注解，自动 OpenAPI 文档	表单/序列化器体系	手动或插件
异步	原生 async	3.x 起逐步支持（ORM 异步接口）	需搭配 ASGI（如 Quart）
适合	API 服务、AI 服务、微服务	内容型/管理后台型全栈应用	小服务、原型

3.1 FastAPI 最小可用示例（生产骨架）

from fastapi import FastAPI, HTTPException, Depends
from pydantic import BaseModel, Field

app = FastAPI(title="demo")
items: dict[int, dict] = {}          # 演示用内存存储

class ItemIn(BaseModel):
    name: str = Field(min_length=1, max_length=50)
    price: float = Field(gt=0)

@app.get("/items/{item_id}")
async def get_item(item_id: int):          # 路径参数自动类型转换与校验
    if item_id not in items:
        raise HTTPException(status_code=404, detail="not found")
    return items[item_id]

@app.post("/items", status_code=201)
async def create_item(item: ItemIn):       # 请求体自动解析 + 校验
    new_id = len(items) + 1
    items[new_id] = item.model_dump()      # model_dump 是 Pydantic v2 API
    return {"id": new_id, **items[new_id]}

# 依赖注入：鉴权、DB 会话等横切关注点的标准位置
async def current_user(token: str = Depends(parse_token)) -> User:
    ...

要点：Pydantic 模型即文档（自动生成 /docs 的 OpenAPI/Swagger）；Depends 是 Nest.js 式依赖注入的 Python 版；部署用 uvicorn（单 worker 异步）或 gunicorn -k uvicorn.workers.UvicornWorker 多进程。

3.2 Django 一句话定位

ORM + Admin 后台 + 认证体系开箱即用，DRF（Django REST framework）做 API。适合「有管理后台、以 CRUD 为主体」的业务系统；学习成本高于 FastAPI 但体系完整。

4. 数据访问与任务队列

场景	主流方案	说明
ORM	SQLAlchemy 2.0	事实标准；2.0 起原生支持 async（`AsyncSession`）
迁移	Alembic	配 SQLAlchemy 做版本化迁移
FastAPI 生态 ORM	SQLModel / Tortoise	SQLModel 由 FastAPI 作者维护，Pydantic + SQLAlchemy 合体
后台任务	Celery / arq / dramatiq	Celery 最成熟（配 Redis/RabbitMQ 作 broker）；async 栈可选 arq
缓存	redis-py	客户端自带异步版本
测试	pytest	fixture 体系 + 参数化是精髓，配 `pytest-asyncio` 测异步

5. Python 在 AI 工程里的位置（呼应本站 AI 主题）

Pydantic 是整个 LLM 应用生态的地基：结构化输出、Agent 参数校验、配置管理都在用它
模型侧：PyTorch / transformers / vLLM 全是 Python 生态；推理服务常用 FastAPI 包一层
Agent 侧：LangChain / LlamaIndex / pydantic-ai 等框架均为 Python 优先
因此「全栈 AI Agent 工程师」的合理配置是：TypeScript 做产品与前端，Python 做 AI 服务与数据处理，两者经 HTTP/队列协作

6. 工程规范清单

格式化与 lint 统一到 ruff（一个工具替代 black/isort/flake8，快 10-100x）
类型检查：pyright（快）或 mypy（插件多），CI 强制
不用 requirements.txt 裸奔：锁文件（uv.lock / poetry.lock）进版本库
密钥走环境变量（pydantic-settings），绝不进代码
异步服务里不要混用阻塞调用（requests 换 httpx），否则卡死整个事件循环
测试金字塔：pytest 单测 + FastAPI TestClient 集成测

7. 延伸阅读

站内：后端语言选型对比 · Docker 指南 · MySQL · Redis
官方：uvopen in new window · FastAPIopen in new window · SQLAlchemy 2.0open in new window

# Python 后端开发指南

# 1. 环境与工程化（先把这个理顺）

# 2. 语言核心：从 JS/Go 视角快速建立正确的认知

# 2.1 必须吃透的六个点

# 2.2 数据结构速查

# 3. Web 框架：FastAPI 与 Django 怎么选

# 3.1 FastAPI 最小可用示例（生产骨架）

# 3.2 Django 一句话定位

# 4. 数据访问与任务队列

# 5. Python 在 AI 工程里的位置（呼应本站 AI 主题）

# 6. 工程规范清单

# 7. 延伸阅读