Python Patterns 是一套 Python 开发原则与决策指南，定位为 2025 年的 Python 开发思维训练，目标是让开发者学会“思考”而不是背诵固定模式。
用途：帮助开发者在实际项目中做技术决策，包括框架选择、异步与同步取舍、类型提示策略、项目结构安排、错误处理、后台任务和测试策略等。
主要能力：
- 框架选择：提供决策树，API 优先或微服务倾向 FastAPI，全栈 Web、CMS 或后台管理倾向 Django，简单脚本或学习倾向 Flask，AI/ML API 服务倾向 FastAPI，后台任务可搭配 Celery。并给出 FastAPI、Django、Flask 在适用场景、异步、Admin、ORM、学习曲线上的对比。
- 异步与同步决策：I/O 密集操作、大量并发连接、实时特性、微服务通信适合 async；CPU 密集、简单脚本、遗留代码、团队不熟异步、只有阻塞库时适合 sync。并列出 httpx、asyncpg、aioredis/redis-py async、aiofiles、SQLAlchemy 2.0 async/Tortoise 等异步库选择。
- 类型提示策略：函数参数、返回类型、类属性、公共 API 始终标注；局部变量、一次性脚本、测试可跳过。介绍 Optional、Union、泛型集合、Callable 等模式，以及 Pydantic 在 API 请求/响应模型、配置、验证、序列化中的用途。
- 项目结构：给出小型脚本、中型 API、大型应用的目录结构示例，并说明 FastAPI 可按层（routes、services、models、schemas、dependencies）或按功能组织。
- Django 原则：介绍 5.0+ 的异步视图、异步中间件、有限异步 ORM 与 ASGI 部署；建议胖模型瘦视图、使用 manager、抽象基类，查询上使用 select_related、prefetch_related、only 避免 N+1。
- FastAPI 原则：区分 async def 与 def 的使用场景，说明依赖注入用于数据库会话、认证、配置、共享资源，并提及 Pydantic v2 的请求验证与响应序列化。
- 后台任务：对比 BackgroundTasks、Celery、ARQ、RQ、Dramatiq 的适用情况。
- 错误处理与测试：建议自定义异常、注册处理器、统一错误格式、不暴露堆栈；测试分为单元、集成、端到端，使用 pytest、httpx/TestClient、pytest-asyncio 和常用 fixture。
使用方式：该技能明确提示“教学决策原则，而非复制固定代码”，因此使用时应在框架偏好不明确时询问用户，根据上下文选择异步或同步，不要每次默认相同框架。文中包含决策清单，提醒实现前确认是否询问了框架偏好、是否为本上下文选型、是否决定异步同步、是否规划类型提示、项目结构、错误处理与后台任务。
适用场景：Python 项目技术选型、新项目搭建、异步改造、类型系统设计、Django 或 FastAPI 工程实践、测试策略制定。
限制：资料未提供该技能的安装方式、运行命令、依赖要求、收费模式或平台支持信息；部分内容以原则和模式形式呈现，不构成完整可运行代码。