PydanticAI 是由 Pydantic 团队开发的 Python 智能体框架，目标是把与 Pydantic 相同的类型安全与校验保证带入基于大模型的应用。它支持结构化输出（用 Pydantic 模型验证）、便于测试的依赖注入、流式响应、多轮对话以及工具调用，可跨 OpenAI、Anthropic、Google Gemini、Groq、Mistral 和 Ollama 使用。当你在构建对正确性和可测试性有要求的生产级 AI 智能体、聊天机器人或大模型流水线时，适合使用本技能。
主要能力与使用方式：
安装：pip install pydantic-ai；按提供商安装扩展，例如 pip install 'pydantic-ai[openai]'（OpenAI / Azure OpenAI）、'pydantic-ai[anthropic]'（Anthropic Claude）、'pydantic-ai[gemini]'（Google Gemini）、'pydantic-ai[groq]'（Groq）、'pydantic-ai[vertexai]'（Google Vertex AI）。
最小智能体：用 Agent('anthropic:claude-sonnet-4-6', system_prompt=...) 创建，agent.run_sync(...) 运行，result.data 取结果，result.usage() 查看用量。
结构化输出：设置 result_type=某个 Pydantic BaseModel，result.data 即为完全类型化的实例。
工具调用：用 @agent.tool 注册工具，运行中大模型可调用；工具函数接收 RunContext，返回字典等结果。
依赖注入：用 deps_type 配合 dataclass（如 Deps）注入数据库、HTTP 客户端、配置；在 agent.run(message, deps=deps) 时传入，工具内通过 ctx.deps 访问，从而提升可测试性。
测试：用 pydantic_ai.models.test.TestModel 配合 agent.override(model=...) 避免真实调用大模型；用 FunctionModel 提供确定性响应。
流式响应：使用 agent.run_stream(...) 并通过 result.stream_text() 逐块输出。
多轮对话：先取 result1.all_messages() 得到历史，再在后续 agent.run_sync(..., message_history=history) 中传入。
示例场景包括：代码审查智能体（CodeReview 模型，含 quality/issues/suggestions/approved 字段）、带重试逻辑的智能体（用 @agent.result_validator 配合 ModelRetry）、多智能体流水线（researcher 与 writer 分工，先生成 ResearchSummary 再生成 BlogPost）。
最佳实践：始终用 Pydantic 模型定义 result_type；用 deps_type 与 dataclass 做依赖注入以利于测试；单测用 TestModel，CI 中不要调用真实大模型；对超出 Pydantic 校验的业务逻辑加 @agent.result_validator；面向用户的长输出用 run_stream 展示渐进结果。不要把密钥写进 Agent() 参数，应使用环境变量；不同依赖的异步任务不要共享同一个 Agent 实例；不要宽泛捕获 ValidationError，可恢复的输出错误应交给 ModelRetry 重试。
安全与安全说明：通过环境变量设置 API 密钥（OPENAI_API_KEY、ANTHROPIC_API_KEY 等），不要硬编码；将工具输入传给外部系统前先校验；会改动数据的工具（写库、发邮件、调用支付 API）在生产中应要求用户明确确认后再由智能体调用；智能体执行重要动作时记录 result.all_messages() 作为审计线索；在 Agent() 上设置 retries= 限制，防止持续校验失败导致失控循环。
常见问题：LLM 响应始终 ValidationError，可简化 result_type 字段，适当使用 Optional 与默认值；工具从不被调用，可为工具函数写清晰、具体的 docstring（PydanticAI 会把 docstring 作为工具描述传给 LLM）；工具内 RunContext 依赖为 None，需在 agent.run()/run_sync() 时传 deps=，依赖不是全局设置；在 FastAPI 中调用 agent.run() 出现 asyncio.run() 错误，应直接在异步路由处理函数中 await agent.run()。
相关技能：@langchain-architecture（另一种 Python AI 框架，更灵活但类型安全性较弱）、@llm-application-dev-ai-assistant（通用大模型应用开发模式）、@fastapi-templates（用 FastAPI 端点提供 PydanticAI 智能体服务）、@agent-orchestration-multi-agent-optimize（编排多个 PydanticAI 智能体）。
限制：仅在任务明确符合上述范围时使用本技能；不要把其输出当作针对具体环境的验证、测试或专家审查的替代；若缺少必要输入、权限、安全边界或成功标准，应停下来请求澄清。