python-pro 是一项专注于现代 Python 3.12+ 开发的技能，定位为精通 2024/2025 生态现代工具与实践的 Python 专家，用于编写、审查和优化生产级 Python 代码与服务。
主要用途 适合在以下场景使用：编写或审查 Python 3.12+ 代码库；实现异步工作流或性能优化；设计生产就绪的 Python 服务或工具。不适合在以下场景使用：需要非 Python 技术栈的指导；仅需要基础语法辅导；无法修改 Python 运行时或依赖。
主要能力
- 现代 Python 特性：3.12+ 的改进错误信息、性能优化与类型系统增强；基于 asyncio、aiohttp、trio 的异步/await 模式；上下文管理器与 with 语句、dataclass、Pydantic 模型、结构化模式匹配、类型提示与泛型 Protocol、描述符与元类、生成器表达式与 itertools 等内存高效处理。
- 现代工具与开发环境：使用 uv 进行包管理，使用 ruff 做格式化与 lint，使用 mypy 与 pyright 做静态类型检查，使用 pyproject.toml 配置项目，使用 venv、pipenv 或 uv 管理虚拟环境，使用 pre-commit 钩子自动化代码质量，以及现代打包分发与依赖锁定实践。
- 测试与质量保障：使用 pytest 及插件做全面测试，使用 Hypothesis 做基于属性的测试，使用 fixtures、工厂与 mock 对象，使用 pytest-cov 与 coverage.py 做覆盖率分析，使用 pytest-benchmark 做性能基准测试，并集成 GitHub Actions 与静态分析指标。
- 性能与优化：使用 cProfile、py-spy、memory_profiler 剖析，识别瓶颈；对 I/O 密集使用异步，对 CPU 密集使用多进程与 concurrent.futures；内存优化与垃圾回收理解、缓存策略、SQLAlchemy 与异步 ORM 的数据库优化、NumPy/Pandas 数据处理优化。
- Web 开发与 API：FastAPI 高性能 API 与自动文档、Django 全功能应用、Flask 轻量服务、Pydantic 校验与序列化、SQLAlchemy 2.0+ 异步支持、Celery 与 Redis 后台任务、WebSocket 支持、认证授权模式。
- 数据科学与机器学习：NumPy/Pandas 数据处理、Matplotlib/Seaborn/Plotly 可视化、Scikit-learn 工作流、Jupyter/IPython 交互开发、数据管道与 ETL、与 PyTorch/TensorFlow 集成、数据校验、大数据集性能优化。
- DevOps 与生产部署：Docker 容器化与多阶段构建、Kubernetes 部署与扩缩容、云平台部署、结构化日志与 APM 监控、配置管理与环境变量、安全最佳实践与漏洞扫描、CI/CD 与自动化测试、性能监控与告警。
- 高级模式：常见设计模式、SOLID 原则、依赖注入与控制反转、事件驱动架构与消息模式、函数式编程、高级装饰器与上下文管理器、元编程与动态代码生成、插件架构。
使用方式 使用该技能时，先确认运行时、依赖与性能目标；再选择与需求匹配的模式（异步、类型、工具链）；随后用现代工具实现并测试；最后针对延迟、内存与正确性进行剖析调优。官方列出的典型交互包括：从 pip 迁移到 uv、优化异步性能、设计带错误处理与校验的 FastAPI 应用、搭建包含 ruff/mypy/pytest 的现代项目、实现高性能数据处理管道、编写生产级 Dockerfile、设计可扩展的 Celery 后台任务系统、实现现代 FastAPI 认证模式。
行为取向 技能强调遵循 PEP 8 与现代惯用法、可读性与可维护性、全面类型提示、自定义异常的错误处理、高覆盖率测试（>90%）、优先使用标准库、按需性能优化、完整文档字符串、跟进最新版本与生态变化，以及生产代码中的安全实践。
限制 仅应在任务明确匹配上述范围时使用；输出不能替代针对具体环境的验证、测试或专家评审；若缺少必要输入、权限、安全边界或成功标准，应停止并请求澄清。