cattrs v25.1.0 版本发布:类型转换库的重大更新
cattrs 是一个强大的 Python 类型转换库,它能够自动在复杂的数据结构和简单数据类型(如字典、列表等)之间进行转换。这个库特别适合处理 attrs 类、dataclass 以及各种 Python 类型注解(如 TypedDict、NamedTuple 等),大大简化了序列化和反序列化的工作。
核心变更与改进
更早的错误检测机制
本次版本中,转换器现在会在创建钩子时就抛出 StructureHandlerNotFoundError 错误,而不是等到实际使用钩子时才抛出。这一改变有助于开发者更早地发现缺少钩子的问题,避免在运行时才遇到错误。
对于需要保持旧行为的用户,可以通过调整默认结构钩子回退工厂来恢复原有行为。
全面支持 typing.Self
新版本增加了对 typing.Self 的全面支持,包括:
- attrs 类
- dataclasses
- TypedDicts
- 使用 dict 工厂的 NamedTuple
这一特性在处理返回类自身实例的方法时特别有用,例如构建器模式或链式调用场景。
PEP 695 类型别名增强
现在可以直接使用 BaseConverter.register_structure_hook 和 BaseConverter.register_unstructure_hook 来注册 PEP 695 类型别名的钩子,而不必再使用 register_structure_hook_func 方法。同时,新版本还增加了对泛型 PEP 695 类型别名的支持。
新增 defaultdict 支持
cattrs 现在默认支持一些 defaultdict 类型,并提供了 is_defaultdict 和 defaultdict_structure_factory 工具函数,方便开发者处理这种常见的数据结构。
性能优化
枚举处理优化
多个预配置转换器(包括 bson、stdlib JSON、cbor2、msgpack、msgspec、orjson 和 ujson)现在会跳过对 int 和 str 枚举的解构,让底层库以更高效率处理这些类型。同时,包含枚举的 Literal 类型现在也能被正确解构。
字典处理改进
预配置转换器现在能够正确处理带有字面量键的字典,提高了这类常见数据结构的处理效率。
msgspec JSON 转换器优化
对于包含私有属性的 dataclass,msgspec JSON 预配置转换器现在能以更高效率进行处理。
其他重要改进
- 标记联合策略增强:现在也支持联合类型的类型别名
- TypedDict 验证改进:从无效输入构造 TypedDict 时会正确抛出
ClassValidationError - 泛型类支持:
include_subclasses策略现在能正确处理泛型父类 - 类型注解改进:
Converter.copy和BaseConverter.copy现在正确标注为返回Self类型 - Python 版本支持:新增 Python 3.13 支持,同时放弃对已停止维护的 Python 3.8 的支持
内部重构
- 用
SimpleStructureHook替换了MappingStructureFn - 将
Converter.__init__.unstruct_collection_overrides的类型从Callable改为Mapping[type, UnstructureHook] - 采用了 Contributor Covenant 行为准则,与 attrs 项目保持一致
总结
cattrs v25.1.0 带来了多项重要改进和新特性,特别是在类型支持、错误处理和性能优化方面。这些变化使得 cattrs 在处理复杂类型转换时更加健壮和高效,同时也提供了更好的开发者体验。对于正在使用或考虑使用类型转换功能的 Python 开发者来说,这个版本值得关注和升级。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00