写在前面 Day16 讲透了 GIL，结论是"CPU 密集型任务用多线程没有加速效果，I/O 密集型任务才是 threading 的用武之地"。今天这篇就在这个结论之上，把 threading 模块实

如果你曾经同时对接过OpenAI、Anthropic、Google Gemini和Amazon Bedrock这几家的API，大概会对一件事深有体会——每家厂商的接口格式、鉴权方式、错误码、流式响应结

写过 Python Web 服务的人大概都有过这样的经历，写完一个 FastAPI 应用后，脑子里要先回忆一遍 uvicorn 的启动参数，--reload 加不加、--host 写成什么、模块路径怎

LangGraph 状态回显：查询、回放与分叉 LangGraph 的检查点（Checkpointer）会保存图在每一步执行后的状态。借助它，我们可以查询最新状态、查看历史快照

如果你最近还在用鼠标点点点地跟AI对话写代码，那可能已经有点落伍了。2025到2026年间，一大批面向终端的开源coding agent悄悄改变了程序员的日常工作方式——它们直接扎根在命令行里，能读代

后端开发这些年，Python 生态里冒出过不少 ORM 框架，但真正能跟 FastAPI 的异步基因严丝合缝对上的，Tortoise ORM 算是头一份。它天生支持 async/await，写法上又刻

写在前面 模块三讲完面向对象进阶，从今天开始进入 Python 面试里问法最刁钻的部分——GIL 与并发编程。第一篇先把最基础也最容易被问到的问题讲透：GIL 到底是什么，为什么大家都说 Python

ORM 的存在感很强，写起来也顺手，filter()、annotate()、prefetch_related() 这些方法基本能覆盖八成以上的日常查询需求。但剩下那两成，往往才是让人头疼的地方——复杂

写过异步应用的人大概都遇到过这样的场景，程序启动时要建立数据库连接池，加载一个占内存的机器学习模型，或者预热一份配置缓存，程序关闭时又得把这些资源体面地释放掉。FastAPI把这套开关机逻辑叫做lif

写在前面 Python 里"万物皆对象"这句话，很多人只理解到"实例是对象"这一层，其实还有更深一层：类本身也是对象。既然是对象，就一定是由某个"类"创建出来的——创建类的这个东西，就是今天要讲的元类

聊起 FastAPI 的实时通信能力，很多人第一反应就是 WebSocket。这东西说白了就是让浏览器和服务器之间建立一条双向的、持续在线的通道，不用像 HTTP 那样一问一答地折腾。FastAPI

稀疏数据指数据点中大部分为零或空值的数据集。 典型应用场景包括：Netflix用户评分（大部分电影未被观看）、社交媒体连接（每人只认识一小部分用户）、电商用户与产品的交互记录。 本文以模拟社交平台的数

FastAPI ORM建表操作， 数据库配置、ORM基类、table表的定义、数据库初始化获取数据库会话依赖、异步会话工厂 通过注入执行增删改查

LangGraph 实战：让大模型调用自定义工具 LangGraph 可以把大模型和 Python 函数组合成一个可循环的工作流。本文使用一个加法工具演示：用户提出“计算 33+66”，

在日常开发或办公场景中，我们经常会与 .txt 纯文本文件打交道。针对不同场景，本文给出两套方案：在线无代码方案面向快速、零散的单次转换需求；编程自动化方案面向批量处理、服务集成或定时任务场景。

做后端开发这些年，权限系统大概是最容易被低估、又最容易在生产环境炸锅的模块。刚开始写接口的时候，很多人图省事，直接在函数里写一堆 if user.role == "admin"，代码能跑，看着也顺眼。

LangGraph 实战：并行计算旅游城市消费 本文使用 LangGraph 实现一个旅游城市选择程序：大模型先生成候选城市，再并行估算每个城市三天两夜的消费，最后按金额从高到低排序.

LangGraph 流式输出：values、updates、messages 和 debug LangGraph 的 graph.stream() 可以边执行节点边返回数据。通过 stream_mod

LangGraph 实战：连接 DeepSeek 和 GPT 大模型 LangGraph 不仅能编排普通 Python 函数，也可以把大模型调用封装成图节点。