Pydantic中create_model与computed_field的兼容性问题解析
在Pydantic 2.11版本更新后,开发者们发现了一个关于create_model方法与computed_field装饰器配合使用的兼容性问题。这个问题最初是在tortoise-orm项目的issue中发现的,但实际上是Pydantic核心功能的一个边界情况。
问题现象
当开发者尝试使用create_model动态创建模型,并将computed_field装饰器的结果作为字段定义传入时,在Pydantic 2.11及以上版本中会抛出AttributeError: 'property' object has no attribute '__mro__'异常。而在2.11之前的版本中,这种用法却能正常工作。
典型的错误使用示例如下:
from pydantic import BaseModel, computed_field, create_model
def area(self) -> float:
return self.length**2
Square = create_model(
"Square",
__base__=BaseModel,
length=(float, "length"),
area=computed_field(area),
)
技术背景
computed_field是Pydantic V2引入的一个强大功能,它允许开发者定义在模型验证或序列化时动态计算的字段。而create_model则是Pydantic提供的动态模型创建工具,可以在运行时根据参数生成新的模型类。
在Pydantic 2.11版本中,核心团队进行了一次重要的重构,目的是为了支持更多使用场景,特别是与私有属性的配合使用。这次重构无意中改变了create_model处理计算字段的内部逻辑。
问题本质
实际上,将computed_field直接作为字段定义传入create_model的做法,在早期版本中能够工作纯属巧合,并非设计上的有意支持。Pydantic官方文档中从未明确记载过这种用法。
2.11版本的重构使得内部类型检查更加严格,暴露了这种用法的不规范性。计算字段本质上是一个property对象,而create_model的字段处理逻辑期望接收的是类型注解或FieldInfo对象。
解决方案
对于需要临时解决此问题的开发者,可以采用以下替代方案:
- 继承方式:先创建基础模型,再通过继承添加计算字段
- 后添加字段:创建模型后,通过修改
__annotations__和添加property来模拟计算字段
Pydantic核心团队已经认识到这个使用场景的合理性,并计划在2.12版本中正式支持这种用法。在此之前,开发者需要注意避免直接将computed_field结果传入create_model。
最佳实践建议
对于动态模型创建场景,建议开发者:
- 优先考虑使用标准的类定义方式,而非
create_model - 如果必须使用
create_model,可以先创建基础模型,再通过mixin或装饰器添加计算字段 - 关注Pydantic的版本更新日志,特别是2.12版本对此功能的官方支持
这个案例也提醒我们,在依赖未明确文档化的行为时,需要做好版本兼容性测试,或者准备好替代方案。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
yuanrongopenYuanrong runtime:openYuanrong 多语言运行时提供函数分布式编程,支持 Python、Java、C++ 语言,实现类单机编程高性能分布式运行。Go051
MiniCPM-SALAMiniCPM-SALA 正式发布!这是首个有效融合稀疏注意力与线性注意力的大规模混合模型,专为百万级token上下文建模设计。00
ebook-to-mindmapepub、pdf 拆书 AI 总结TSX01