【Pydantic】Pydantic 是什么？

Pydantic 是一个帮你验证和处理数据的 Python 库。

先说不用的痛苦

假设你写了一个函数，需要接收用户信息：

python 复制代码

def create_user(name, age, email):
    # 你要自己检查：
    if not isinstance(name, str):
        raise TypeError("name 必须是字符串")
    if not isinstance(age, int) or age < 0:
        raise TypeError("age 必须是大于0的整数")
    if "@" not in email:
        raise ValueError("email 格式不对")
    # 然后才能用...

每个函数都要写一堆检查，烦不烦？

用 Pydantic 之后

python 复制代码

from pydantic import BaseModel, EmailStr

class User(BaseModel):
    name: str
    age: int
    email: EmailStr

# 使用
user = User(name="张三", age=25, email="zhangsan@example.com")
# 自动验证，不对就报错

发生了什么？

你只需要声明类型
Pydantic 自动帮你检查类型、格式
还能自动转换类型（比如字符串 "25" 自动转成整数 25）

在 LangGraph 里怎么用？

你可能注意到有些代码里用了 TypedDict 和 dataclass：

python 复制代码

class Context(TypedDict):
    my_configurable_param: str

@dataclass
class State:
    changeme: str = "example"

实际上 LangGraph 也支持 Pydantic，而且用起来更简单：

python 复制代码

from pydantic import BaseModel

class State(BaseModel):
    messages: list = []      # 对话历史
    user_query: str = ""     # 用户输入

class Context(BaseModel):
    model: str = "gpt-4"     # 模型名称
    temperature: float = 0.7 # 温度参数

好处：

自动验证：传入的数据类型不对，自动报错
自动补全：IDE 能提示你有哪些字段
默认值：可以给字段设置默认值

核心要点

场景	没有 Pydantic	有 Pydantic
验证数据	手写 if 判断	声明类型就行
类型转换	手动转	自动转
错误提示	自己抛异常	自动抛清晰错误
代码量	多	少

简单记

Pydantic = 声明类型 + 自动验证

你只需要说"这个字段是字符串"，它会帮你检查传进来的到底是不是字符串。在 AI 开发里特别有用，因为你经常要处理大模型返回的数据，有了 Pydantic 就不怕它返回格式不对。