pydantic
Python 的默认数据验证库
from datetime import datetime
from typing import Tuple
from pydantic import BaseModel
class Delivery(BaseModel):
timestamp: datetime
dimensions: Tuple[int, int]
m = Delivery(timestamp='2020-01-02T03:04:05Z', dimensions=['10', '20'])
print(repr(m.timestamp))
#> datetime.datetime(2020, 1, 2, 3, 4, 5, tzinfo=TzInfo(UTC))
print(m.dimensions)
#> (10, 20)Pydantic 是使用最广泛的数据验证库， 每天被世界各地成千上万的开发者下载数百万次。
Pydantic 的成功源于其出色的开发者体验。它易于使用，即使在处理复杂任务时也是如此。
PydanticAI
Agent 框架 / 用于将 Pydantic 与 LLM 结合使用的 shim
- PydanticAI 是一个 Python agent 框架，旨在减轻使用生成式 AI 构建生产级应用程序的痛苦。
- 模型无关：PydanticAI 支持 OpenAI、Anthropic、Gemini、Deepseek、Ollama、Groq、Cohere 和 Mistral。
from pydantic_ai import Agent agent = Agent( 'openai:gpt-4o', system_prompt='Be concise, reply with one sentence.', ) result = agent.run_sync('Where does `hello world` come from?') print(result.data) #> The first known use of "hello, world" was #> in a 1974 textbook about the C language. arq
在 Python 中使用 asyncio 和 redis 的快速作业队列和 RPC。
- 享受非阻塞的作业入队和执行。多个作业可以同时运行。
- 快速行动 — asyncio 和无 fork 使 Arq 比其他工具快大约 7 倍。
import asyncio from arq import create_pool from arq.connections import RedisSettings from httpx import AsyncClient async def main(): redis = await create_pool(RedisSettings()) for url in ('https://facebook.com', 'https://microsoft.com', 'https://github.com'): await redis.enqueue_job('download_content', url) async def download_content(ctx, url): response = await ctx['session'].get(url) print(f'{url}: {response.text:.80}...') return len(response.text) async def startup(ctx): ctx['session'] = AsyncClient()speedate
适用于 Rust 的快速且简单的 datetime、date、time 和 duration 解析。
- 以完全的灵活性构建。Speedate 支持多种格式。
- 安心无忧 — RFC 3339 的所有放宽都符合 ISO 8601 标准。
use speedate::{DateTime, Date, Time}; fn main() { let dt = DateTime::parse_str("2022-01-01T12:13:14Z").unwrap(); assert_eq!( dt, DateTime { date: Date { year: 2022, month: 1, day: 1, }, time: Time { hour: 12, minute: 13, second: 14, microsecond: 0, tz_offset: Some(0), }, } ); println!("{}", dt.to_string()); // "2022-01-01T12:13:14Z" }jiter
具有多个接口的快速、可迭代的 JSON 解析器。
- 稳定且经过实战检验，jiter 是 Python 最受欢迎的第三方 JSON 解析器
- 在大多数情况下，速度明显快于 serde-json
- 支持部分/不完整的 JSON 解析，尤其适用于 LLM 输出
use jiter::JsonValue; fn main() { let json_data = r#" { \"name\": \"John Doe\", \"age\": 43, \"phones\": [ \"+44 1234567\", \"+44 2345678\" ] }"#; let json_value = JsonValue::parse(json_data.as_bytes(), true).unwrap(); println!("{:#?}", json_value); }
