如何利用 AI 进行 Python 架构设计与技术选型 #

本技能旨在引导 AI 从“简单的代码生成器”转变为“架构决策顾问”，通过一套决策树和原则，帮助开发者在框架选择、异步处理和项目结构上做出专业判断，而非盲目复制模版。

为什么需要这个技能 #

在 Python 生态中，面对 FastAPI、Django、Flask 等多种框架，或者在 async 与 sync 之间选择时，很多开发者容易陷入“随大流”的误区。

一个好的架构决定了项目的可维护性和性能上限。本技能通过将 2025 年的工业级开发原则（如 Pydantic v2、Django 5.0+ 异步特性、分层架构等）注入 AI，使其能够根据具体业务场景（如 I/O 密集型 vs CPU 密集型）提供定制化的技术方案，而非统一的通用回答。

适用场景 #

• 技术选型阶段：在项目启动前，需要决定使用哪个 Web 框架或数据库驱动。
• 性能优化阶段：评估是否需要将同步代码重构为异步（Async）模式。
• 项目初始化：设计可扩展的目录结构，避免代码随功能增加而变得混乱。
• 代码质量评审：制定类型标注（Type Hints）策略和错误处理规范。

核心工作流 #

1. 上下文分析：AI 首先分析应用类型（API-first、全栈 CMS、AI 服务等）和团队技术栈。
2. 应用决策树：
   • 框架选择：API $\to$ FastAPI；全栈/管理后台 $\to$ Django；轻量脚本 $\to$ Flask。
   • 并发模型：I/O 密集型（网络请求/数据库） $\to$ async def；CPU 密集型 $\to$ def + 多进程。
3. 定义技术规范：
   • 类型策略：对公开 API 和函数参数强制要求类型标注，局部变量允许推断。
   • 结构模式：根据规模选择 main.py $\to$ 分层结构（routes/services/models） $\to$ 领域驱动结构。
4. 验证与回检：通过 Checklist 检查是否遗漏了后台任务（Celery/ARQ）或 N+1 查询优化。

下载和安装 #

下载 python-patterns 中文版 Skill ZIP

解压后将目录放入你的 AI 工具 skills 文件夹，重启工具后即可使用。具体路径参考内附的 USAGE.zh.md。

你可能还需要 #

暂无推荐