用途
本技能用于在客户支持类系统中实现数据校验，帮助构建健壮、类型安全的 Python 数据模型，校验对象包括支持工单、用户数据、API 请求和配置项，使用 Pydantic V2。
主要能力
1. BaseModel 基础
用 Python 类型提示定义模型，实例化时自动校验并做类型转换，提供完整错误报告；使用 model_dump() 与 model_dump_json() 序列化；通过 ValidationError 捕获并记录校验错误，便于支持团队排查。示例定义了 SupportTicket 模型，含 ticket_id、customer_email、subject（字段长度约束）、description、priority（正则约束）、created_at、assigned_to、status 等字段。
2. 字段配置与约束
对单个字段施加细粒度规则：
- 字符串：min_length、max_length、pattern、strip_whitespace
- 数值：gt、ge、lt、le、multiple_of
- 字段元数据：title、description、examples、json_schema_extra
- 序列化控制：alias、serialization_alias、exclude、include 示例 CustomerProfile 使用 Annotated 与 Field 组合约束，包含 EmailStr、HttpUrl、正则电话格式、support_tier 默认值、exclude=True 的内部字段，并通过 model_config 设置 str_strip_whitespace、validate_assignment、populate_by_name。
3. 自定义字段校验器
使用 @field_validator 实现超出类型检查的业务逻辑，示例 SupportTicketSubmission 校验邮箱域名（拦截临时邮箱域名）、主题有效性与反垃圾（最少词数、禁止内容正则）、附件扩展名与数量上限（最多 5 个）、类别归一化与合法值校验。
4. 模型级校验
使用 @model_validator 进行跨字段与前后置校验：
- mode='before'：字段校验前预处理，如根据起止时间自动计算 estimated_hours、归一化 priority 大小写。
- mode='after'：字段全部校验后校验逻辑，如结束时间必须晚于开始时间、按优先级校验时长、工时与时长一致性、工单必须安排在工作时间（9:00–18:00）；TicketEscalation 校验三级以上升级需经理审批、审批人不得与申请人相同。
5. 嵌套模型与复杂结构
构建层级化模型支持复杂工作流：枚举 TicketStatus、Comment、Attachment（文件大小上限）、Resolution（满意度评分 1–5）、CustomerInfo（account_type 使用 Literal）、CompleteTicket 组合上述模型，并用 model_config 的 use_enum_values、validate_assignment、json_schema_extra 示例；模型级校验确保已解决/关闭工单必须有解决详情、进行中工单必须已分配。
6. FastAPI 集成
定义请求模型（TicketCreateRequest、TicketUpdateRequest）与响应模型（TicketResponse、TicketListResponse、ErrorResponse），响应模型用 from_attributes=True 兼容 ORM；为端点配置 response_model、状态码与错误响应模型，实现自动校验与文档；示例包含创建工单与列出工单的端点。
使用方式
资料以代码示例形式给出各类模式与写法，使用者可参照示例在 Python 项目中直接应用 Pydantic V2 的模型定义、校验器与 FastAPI 集成。具体安装命令、依赖版本与完整项目结构暂未提供。
适用场景
客户支持系统中的工单创建与更新、用户档案校验、API 请求与响应校验、配置设置校验等需要类型安全与数据质量保障的场景。
限制
资料未提供 Pydantic 的安装命令、版本要求、性能说明、收费或价格信息、支持平台信息；上述代码示例中的业务规则（如工作时间、附件上限、升级审批规则）为示例设定，并非通用约束。