框架与库

Python

requests 完全指南

requests 是 Python 最流行的 HTTP 客户端库，封装了 urllib3，提供简洁的 API。适用于同步场景；异步场景推荐使用 httpx完全指南(/httpx-wan-quan-zhi-nan/)。 requests 提供对应各 HTTP 方法的函数，均返回 Response 对象。 所有请求方法共享以下参数（部分方法不适用的参数会被忽略）。 Session 对象在多次请求间复用 TCP 连接（HTTP Keep-Alive），并自动持久化 Cookie 和自定义 Header。 mount(prefix, adapter) 为特定 U

By yellowdog

Python

pytest 完全指南

相关文档：FastAPI完全指南(/fastapi-wan-quan-zhi-nan/) SQLModel完全指南(/sqlmodel-wan-quan-zhi-nan/) asyncio异步编程完全指南(/asyncio-yi-bu-bian-cheng-wan-quan-zhi-nan/) pytest 是 Python 最主流的测试框架，相比标准库 unittest 更简洁灵活： pytest 会自动展示详细的断言差异，无需使用特殊方法： Fixture 是可复用的测试前置/清理逻辑，通过函数参数自动注入。 放在测试目录的 conftest.py

By yellowdog

Python

httpx 完全指南

httpx 是现代 Python HTTP 客户端，同时支持同步和异步，是 requests 库的异步升级替代品。 使用 Client 可以复用连接、共享配置（headers、cookies、超时等）： httpx 本身不内置重试，推荐配合 tenacity： 每个 Client 维护自己的连接池，频繁创建/销毁会导致连接无法复用，性能差。应在应用启动时创建，贯穿整个生命周期（或通过 FastAPI 依赖注入共享）。 生产代码使用 AsyncClient 作为应用级单例：AsyncClient 内部维护连接池，每次请求新建实例会频繁建立 TCP 连接，应

By yellowdog

Python

SQLModel 完全指南

最后更新：2026-03-29 SQLModel 是由 FastAPI 作者（Sebastián Ramírez）开发的库，将 SQLAlchemy（ORM）和 Pydantic（数据验证）合并为一套统一的模型定义。一个类既是数据库表，又是 API 请求/响应的 Schema。 SQLModel 依赖 SQLAlchemy 2.x 和 Pydantic v2，安装时会自动安装。 SQLModel 模型分两类： SQLModel 的 Field() 同时支持 SQLAlchemy 列配置和 Pydantic 验证参数： SQLModel 的标准做法是用一个

By yellowdog

Python

SQLAlchemy 完全指南

SQLAlchemy 由两层组成： 通常使用 ORM 层即可，Core 层在需要批量操作或高性能场景下使用。 SQLAlchemy 2.0 是一次重大版本升级（2023年发布），主要变化： 本文重点介绍 2.x 写法。 常用连接字符串格式： 参数与 create_engine() 相同，但 URL 需使用异步驱动（asyncpg、aiomysql、aiosqlite）。 外键定义： 注意：scoped_session 基于线程本地存储，不适用于异步环境。异步请使用 async_sessionmaker + 依赖注入。 selectinload/joine

By yellowdog

Python

Pydantic 完全指南

Pydantic 是 Python 中最流行的数据验证库，基于 Python 类型注解（Type Hints）实现运行时数据验证、序列化和文档生成。 主要特点： 本文档基于 Pydantic v2。 Pydantic 会尽量将传入数据强制转换为声明的类型： Field() 用于对字段添加更细粒度的约束、默认值、描述等。 适合需要跨字段联合验证的场景。 当模型本身就是一个列表、字典等类型时使用。 FastAPI 深度集成 Pydantic，路由参数、请求体、响应体均使用 Pydantic 模型： .env 文件示例： 验证器是同步的，且会在每次构建模型时调

By yellowdog

Python

PyTorch完全指南

PyTorch 是由 Meta AI 开发的深度学习框架，以动态计算图（Define-by-Run）为核心，支持 GPU 加速，广泛用于研究和生产环境。 验证安装： Tensor 是 PyTorch 的核心数据结构，类似 NumPy ndarray，但可在 GPU 上运算并支持自动微分。 torch.tensor 参数： PyTorch 通过动态计算图（DAG）自动追踪运算并反向传播梯度。 backward 参数： torch.nn.Module 是所有神经网络模块的基类。 全连接层（线性变换）：y = xW^T + b 参数： 2D 卷积层。 参数：

By yellowdog
查看全部