Hatchet Python SDK中Workflow输入序列化问题的分析与解决

在Hatchet Python SDK 1.0+版本中，开发者在使用workflow.aio_run_no_wait()方法时可能会遇到一个关于输入数据序列化的常见问题。本文将深入分析问题原因，并提供解决方案。

问题现象

当开发者尝试使用aio_run_no_wait()方法运行工作流，并且输入参数中包含非JSON原生支持的数据类型（如datetime对象）时，系统会抛出TypeError: Object of type datetime is not JSON serializable异常。

根本原因

问题的根源在于SDK内部使用了Pydantic的model_dump()方法进行模型序列化，而没有指定mode="json"参数。这种默认行为无法正确处理自定义JSON编码器配置。

在Pydantic模型中，开发者通常会通过json_encoders配置为特定类型（如datetime）定义自定义序列化规则。然而，model_dump()方法默认不会应用这些编码器，只有显式指定mode="json"时才会启用。

解决方案

正确的做法是修改SDK代码，将model_dump()调用替换为model_dump(mode="json")。这样就能确保：

1. 自动应用模型中定义的json_encoders配置
2. 正确处理所有非JSON原生类型
3. 保持与Pydantic模型配置的一致性

临时应对措施

在SDK修复前，开发者可以采用以下临时解决方案：

# 手动将输入模型转换为JSON兼容字典
input_dict = input_model.model_dump(mode="json")
workflow_ref = await workflow.aio_run_no_wait(input_dict)

最佳实践

在使用Hatchet SDK处理复杂数据类型时，建议：

1. 始终为模型中的非标准类型定义json_encoders
2. 在升级SDK版本时，特别注意输入输出的序列化行为变化
3. 对于时间类型，统一使用ISO格式字符串进行传输

总结

这个问题展示了在构建分布式系统时数据类型序列化的重要性。Hatchet SDK团队已经确认并修复了此问题，开发者可以期待在后续版本中获得更稳定的序列化行为。理解Pydantic的序列化机制对于构建健壮的Hatchet工作流应用至关重要。