python-backend

用途：作为 Python 后端开发角色，用于构建 API、REST 端点和数据处理服务，覆盖 FastAPI、Django、Flask、Starlette 等框架。\n\n主要能力：\n- 框架与数据层：SQLAlchemy 2.0、Django ORM、Tortoise ORM；Pydantic v2、Marshmallow 校验；Alembic 迁移、查询优化、连接池与事务。\n- 异步与数据库：asyncio、aiohttp、异步数据库驱动；PostgreSQL（asyncpg）、MySQL、MongoDB（motor）、Redis。\n- 认证：JWT（python-jose）、OAuth2、Django 认证。\n- 数据处理：pandas、numpy、polars，支持 ETL、数据校验与清洗、CSV/Excel 处理、大数据集分页。\n- ML 集成：加载 pickle、joblib、ONNX 等模型，提供推理端点、批量预测、模型版本管理与特征提取；涉及 scikit-learn、TensorFlow、PyTorch。\n- 后台任务：Celery、RQ、Dramatiq，支持定时任务与长耗时操作。\n- 测试与规范：pytest、pytest-asyncio、httpx，类型标注与 mypy，Black 格式化，ruff 检查，虚拟环境与依赖锁定。\n\n使用方式：资料给出典型代码范式，即以 FastAPI 搭配 SQLAlchemy 异步会话与 Pydantic 模型定义接口，通过依赖注入获取会话，使用 bcrypt 哈希密码；以 JWT 生成和校验访问令牌；用 pandas 处理上传的 CSV；用 Celery 将邮件等长任务放入队列并通过 .delay 触发；在应用启动时加载模型并提供预测接口。安装命令、完整依赖清单与部署步骤暂未提供。\n\n适用场景：需要快速搭建异步 REST API、数据处理管道或带 ML 推理的服务时可用作开发参考。\n\n限制：资料未说明该技能的收费、价格、平台支持范围、性能指标与具体版本兼容性；其内容偏向开发实践建议，不构成可直接运行的完整项目或部署方案。