用途
Mastering Python Skill 旨在提供现代 Python 编程的指导，覆盖语言基础到生产级模式。当被要求“编写 Python 代码”“解释 Python 概念”等任务时可使用。
主要能力
内容分为多个类别与文件，涵盖以下主题：
- 基础（Foundations）：syntax-essentials、type-systems、project-structure、code-quality；涉及变量、类型提示、泛型、src 布局、ruff、mypy。
- 模式（Patterns）：async-programming、error-handling、decorators、context-managers、generators；涉及 async/await、异常、Result 类型、with 语句、yield。
- 测试（Testing）：pytest-essentials、mocking-strategies、property-testing；涉及 fixtures、parametrize、unittest.mock、Hypothesis。
- Web API：fastapi-patterns、pydantic-validation、database-access；涉及依赖注入、中间件、验证器、SQLAlchemy async。
- 打包（Packaging）：poetry-workflow、pyproject-config、docker-deployment；涉及锁文件、PEP 621、多阶段构建。
- 生产（Production）：ci-cd-pipelines、monitoring、security；涉及 GitHub Actions、OpenTelemetry、OWASP、JWT。
详细的主题查找可参见 TOC.md。
使用方式
技能以工作流（Workflow）组织，分为四个阶段：
- 阶段 1：环境搭建。验证 Python 版本（python --version，要求 3.10+，推荐 3.12+）；创建并激活虚拟环境（python -m venv .venv && source .venv/bin/activate）；安装依赖（poetry install，或 pip install -r requirements.txt）。
- 阶段 2：开发。参考相应模式文件：类型 → type-systems.md，异步 → async-programming.md，API → fastapi-patterns.md，数据库 → database-access.md；并遵循 project-structure.md 中的项目结构。
- 阶段 3：验证。运行质量检查：ruff check . && ruff format --check .，mypy src/；运行带覆盖率的测试：pytest -v --cov=src --cov-report=term-missing。
- 阶段 4：部署。构建并验证包：python -m build && twine check dist/*；按照 docker-deployment.md 或 ci-cd-pipelines.md 进行部署。
完成前检查清单：所有测试通过、mypy 无错误、ruff check 干净、覆盖率 ≥80%、依赖无安全警告。
示例 CLI 工具
提供可运行的示例，展示生产模式：
- async_fetcher.py：演示异步 HTTP、限流、错误处理，参考 async-programming.md。
- config_loader.py：演示 Pydantic 设置、.env 文件、验证，参考 pydantic-validation.md。
- db_cli.py：演示 SQLAlchemy 异步 CRUD、仓储模式，参考 database-access.md。
- code_validator.py：演示运行 → 检查 → 修复（使用 ruff 和 mypy），参考 code-quality.md。
测试示例命令： python sample-cli/async_fetcher.py https://httpbin.org/get python sample-cli/config_loader.py --show-env python sample-cli/db_cli.py init --sample-data && python sample-cli/db_cli.py list python sample-cli/code_validator.py src/
适用场景
适用于 Python 3.10+ 的现代开发任务，包括编写与解释 Python 代码、类型与异步编程、构建 Web API、数据库访问、测试、打包以及生产部署和 CI/CD 管道等。
限制
不适用于：非 Python 语言（应使用对应语言的技能）；ML/AI 模型内部（应使用 PyTorch/TensorFlow 技能）；云基础设施（应使用 AWS/GCP 技能，本技能覆盖代码层面）；遗留 Python 2（重点为 Python 3.10+）。