用途
Python Best Practices 技能用于在编写和维护 Python 代码时提供专家级指导，帮助产出符合行业最佳实践与标准的专业、可维护代码。根据资料，适用场景包括：编写新的 Python 函数、类或模块；重构既有 Python 代码以提升质量；搭建结构规范的新 Python 项目；实现单元测试或采用 TDD；添加类型提示以提升代码清晰度；配置 lint、格式化与类型检查工具；管理依赖与虚拟环境；提升代码可读性与可维护性；遵循 PEP 8 风格指南。
主要能力
该技能围绕若干核心原则展开：
-
PEP 8 风格指南：缩进使用 4 个空格（不用制表符）；行长限制为 79 字符（代码 99，文档字符串/注释 72）；顶层函数/类之间空 2 行，类内空 1 行；导入每行一个，顺序为标准库、第三方、本地，各组之间空行分隔，避免通配符导入；命名约定为函数/变量/方法用 snake_case、类用 PascalCase、常量用 UPPER_CASE、内部使用前导下划线 _private；空白方面不留行尾空白、运算符两侧各一个空格、函数括号前不加空格。
-
可读性与清晰度：编写自文档化代码，使用描述性命名；使用文档字符串（含 Args、Returns、Raises、Example 等段落）；偏好显式而非隐式行为。
-
模块化与可复用性（DRY 原则）：遵循单一职责原则，将“处理并保存报告”这类函数拆分为 clean_data、calculate_statistics、format_report、save_report 等独立函数；避免重复逻辑，使用可复用常量与函数；用类组织相关功能（如 DataValidator）。
-
测试与 TDD：编写可测试代码，通过依赖注入避免依赖外部状态；给出基于 pytest 的单元测试结构，包括基本断言、异常断言（pytest.raises）、参数化测试（pytest.mark.parametrize）；TDD 流程为先写测试、再实现最小代码通过、最后在测试保持通过的前提下重构。
-
错误处理：使用具体异常而非通用 Exception，可自定义异常类（如 DivisionByZeroError 继承 ValueError）；避免裸 except，按 FileNotFoundError、PermissionError、ValueError 等分别处理并记录日志；使用上下文管理器管理资源（如通过 contextlib.contextmanager 实现数据库连接）。
-
虚拟环境与依赖管理：介绍使用 uv 创建虚拟环境、激活、安装依赖、指定版本范围、安装开发依赖、生成与安装 requirements.txt；给出 pyproject.toml 的项目结构示例，包含 project、optional-dependencies、build-system 以及 black、ruff、mypy、pytest 的工具配置段。
-
现代 Python 工具链：Ruff（快速 linter 与格式化器，ruff check、ruff check --fix、ruff format 及 pyproject.toml 配置）、Black（代码格式化器，black、black --check 及配置）、Mypy（静态类型检查器，mypy 及 strict 等配置）；并给出类型提示示例，包括基本类型、集合类型、Optional、联合类型（Python 3.10+ 的 str | int）、Callable、TypeVar 泛型、Protocol 结构化子类型。
使用方式
资料给出了推荐工作流。编写新代码时：从类型提示和文档字符串开始；先写测试（TDD）定义预期行为；实现最小代码使测试通过；在测试保持通过的前提下重构；运行 linter（ruff check）；格式化代码（ruff format 或 black）；检查类型（mypy）；运行测试（pytest）。重构既有代码时：若不存在测试则先补测试；运行现有测试建立基线；增量重构（小步修改）；每次修改后运行测试；提升类型覆盖率；应用 linter 修复；更新文档。
常见模式
资料还包含配置管理（使用 dataclasses 与 tomllib 从 TOML 加载配置）和日志（logging 与 setup_logging）等常见模式示例。
限制
资料未提供该技能的安装方式、调用命令、收费或价格信息、支持的平台、性能或效果数据，这些内容暂未提供。