用途
python-patterns 是一份 Python 开发模式与最佳实践参考，目标是帮助开发者编写健壮、高效、可维护的 Python 应用。它强调 Pythonic 惯用法、PEP 8 标准与类型提示，适合在以下场景使用：编写新的 Python 代码、审查 Python 代码、重构既有 Python 代码、设计 Python 包或模块。
核心原则
- 可读性优先：代码应当直观易懂，避免“聪明但令人困惑”的写法。
- 显式优于隐式：避免魔法行为，明确说明代码在做什么，警惕隐藏的副作用。
- EAFP（Easier to Ask Forgiveness Than Permission）：优先使用异常处理，而非事先检查条件（LBYL）。
主要能力
类型提示
介绍基础类型注解，以及 Python 3.9+ 的内置泛型写法（如 list[str]、dict[str, int]）与 3.8 及更早版本的 typing 模块写法；还包含类型别名、TypeVar 泛型，以及基于 Protocol 的鸭子类型。
错误处理
强调捕获具体异常而非裸 except，使用异常链（raise ... from e）保留回溯信息，并建议建立自定义异常层级（如 AppError、ValidationError、NotFoundError）。
上下文管理器
推荐使用 with 进行资源管理，并给出基于 contextlib.contextmanager 的自定义上下文管理器，以及实现 enter/exit 的类式上下文管理器（如数据库事务）。
推导式与生成器
说明简单转换适合列表推导式，复杂逻辑应改用生成器函数；生成器表达式用于惰性求值，生成器函数适合逐行读取大文件。
数据类与命名元组
介绍 dataclass 自动生成 init、repr、eq，以及通过 post_init 做校验；NamedTuple 用于不可变数据结构。
装饰器
包含函数装饰器、带参数的装饰器、基于类的装饰器，并强调使用 functools.wraps 保留元信息。
并发模式
区分 I/O 密集型任务使用线程（ThreadPoolExecutor）、CPU 密集型任务使用多进程（ProcessPoolExecutor），以及使用 async/await 处理并发 I/O。
包组织
给出标准项目布局（src 目录、tests、pyproject.toml 等）、导入顺序约定（标准库、第三方、本地），以及 init.py 中的包级导出与 all。
内存与性能
介绍 slots 降低内存占用、用生成器处理大数据、避免循环内字符串拼接（改用 join 或 StringIO）。
工具链集成
列出常用命令：black、isort 格式化；ruff、pylint 检查；mypy 类型检查；pytest 测试与覆盖率；bandit 安全扫描；pip-audit、safety 依赖检查。并给出 pyproject.toml 中 black、ruff、mypy、pytest 的配置示例。
反模式
指出可变默认参数、用 type() 判断类型、用 == 与 None 比较、from module import *、裸 except 等常见问题，并给出正确写法。
使用方式
资料以代码示例与对照（Good/Bad）形式呈现各项模式，可直接作为编码规范参考，或用于代码审查与重构时的检查清单。文档末尾附有 Python 惯用法速查表（EAFP、上下文管理器、列表推导式、生成器、类型提示、数据类、slots、f-strings、pathlib.Path、enumerate）。
适用场景
适用于日常 Python 开发、代码评审、重构、包与模块设计，以及团队统一编码风格。
限制
资料未提供安装命令、具体版本要求之外的平台信息、收费或价格信息，也未说明其作为工具的具体运行方式；相关内容暂未提供。