06. FastAPI框架从入门到实战

**摘要：**还在为Django的繁琐配置头疼？想尝试高性能的Python Web开发吗？最近深入学习了FastAPI框架。它基于Python 3.7+的类型提示，性能极高且自带交互式文档。本文将带你从环境搭建开始，手把手实现一个简单的API，并梳理出适合初学者的项目结构，助你快速上手现代Python开发！

一、核心回顾：LlamaIndex 与 RAG 的演进

1. 定位与价值

核心使命：搭建通用大模型与私有数据的桥梁，解决大模型"知识过期"和"缺乏特定领域知识"的痛点。
对比 LangChain ：虽然 LangChain 提供了完整的应用工程化工具链（Agent、Memory 等），但 LlamaIndex 在数据索引、检索和结构化方面提供了更灵活、更专业的解决方案。

2. 四大核心流程 (CRUD for LLM)

LlamaIndex 将数据处理抽象为四个标准步骤：

Loading (加载)
- 核心单元 ：Document -> Node（检索的基本单元）。
- 关键组件 ：NodeParser（如 SentenceSplitter 按语义分割）、Text-Splitters。
Indexing (索引)
- 核心机制 ：将文本转化为向量（Vector Embeddings），存储在 VectorStoreIndex 中，实现语义层面的相似度检索。
Storing (存储)
- 持久化 ：通过 StorageContext 管理文档、索引和向量数据的存储，支持内存、磁盘或外部数据库。
Querying (查询)
- 交互接口：提供无状态的自然语言查询接口，自动完成检索与生成的流程。

3. 高阶能力：Workflows (工作流)

当应用逻辑变得复杂（如多跳推理、Agent 编排）时，Workflows 提供了强大的控制流管理：

事件驱动：支持线性、循环和分支逻辑。
可视化与调试 ：支持绘制理论路径和实际运行轨迹（draw_all_possible_flows），极大提升了复杂逻辑的可观察性。
状态管理 ：通过 Context 对象在步骤间共享数据（如大型索引），解决了状态传递繁琐的问题。

二、 FastAPI：为什么它被称为"快"框架？

在学习Web开发时，我们通常会接触到Flask或Django。而FastAPI是近年来异军突起的新星，它基于Starlette和Pydantic，具有以下显著特点：

极致性能：性能接近Node.js和Go，得益于异步特性（ASGI）。
智能开发：基于Python类型提示（Type Hints），IDE能提供极佳的自动补全，减少人为错误。
自带文档：代码即文档，自动生成Swagger UI和ReDoc，无需额外维护API文档。
标准规范：基于OpenAPI标准，非常适合前后端分离的项目。

三、环境准备：开启Python高性能之旅

在开始编码前，我们需要搭建标准的开发环境。作为一名严谨的开发者，虚拟环境是必不可少的。

1. 安装依赖

首先，确保你安装了Python 3.7或更高版本。然后创建虚拟环境并安装核心库：

python 复制代码

# 1. 创建虚拟环境 (推荐使用venv)
python -m venv fastapi-env
# 激活虚拟环境 (Windows)
fastapi-env\Scripts\activate
# 激活虚拟环境 (Mac/Linux)
source fastapi-env/bin/activate

# 2. 安装 FastAPI 和 Uvicorn
# Uvicorn 是运行 FastAPI 的高性能 ASGI 服务器
pip install fastapi uvicorn[standard]

四、 Hello World：三步创建你的第一个API

让我们编写最经典的"Hello World"程序，感受FastAPI的简洁。

1. 编写代码

创建一个名为 main.py 的文件：

python 复制代码

from fastapi import FastAPI

# 1. 创建 FastAPI 实例
app = FastAPI()

# 2. 定义路由和处理函数
@app.get("/")
async def root():
    # 3. 返回 JSON 数据
    return {"message": "Hello World!"}

# 运行命令: uvicorn main:app --reload

2. 运行与访问

在终端执行以下命令启动服务：

复制代码

uvicorn main:app --reload

--reload 参数表示热重载，代码修改后服务器会自动重启，非常适合开发阶段。

启动成功后，访问 http://127.0.0.1:8000，你会看到JSON格式的返回结果。更酷的是，FastAPI自动生成了交互式文档：

Swagger UI : http://127.0.0.1:8000/docs (支持在线调试)
ReDoc : http://127.0.0.1:8000/redoc

五、核心：路径、参数与数据验证

FastAPI的强大之处在于它对数据的处理能力。我们不需要写复杂的正则或验证逻辑，只需利用Python的类型系统。

1. 路径参数与查询参数

你可以轻松地从URL中提取数据，并进行类型转换：

复制代码

# 路径参数 (Path Parameters)
@app.get("/items/{item_id}")
async def read_item(item_id: int): # 自动将字符串转为 int
    return {"item_id": item_id}

# 查询参数 (Query Parameters)
@app.get("/users")
async def read_users(skip: int = 0, limit: int = 10):
    # skip 和 limit 是可选的，默认值分别为 0 和 10
    return {"skip": skip, "limit": limit}

2. 请求体与数据模型 (Pydantic)

处理POST请求时，我们通常需要接收JSON数据。FastAPI结合Pydantic模型，可以自动完成数据解析和验证。

复制代码

from pydantic import BaseModel

# 定义数据模型
class Item(BaseModel):
    name: str
    price: float
    is_offer: bool = None # 可选字段

# 接收请求体
@app.post("/items/")
async def create_item(item: Item): # 自动验证数据类型
    return item

💡 重点提示： 如果前端传来的 price 不是数字，FastAPI会自动返回422错误，并告诉你哪里不符合规范，这大大减轻了后端的校验负担。

六、工程化思维

当你开始做课程设计或毕业设计时，代码不能都堆在一个文件里。推荐使用以下标准项目结构：

复制代码

myproject/
├── main.py            # 应用入口
├── config.py          # 配置管理
├── database.py        # 数据库连接
├── models/            # 数据库模型 (ORM)
│   └── user.py
├── schemas/           # Pydantic 模型 (API输入输出)
│   └── user.py
├── crud/              # 数据库操作逻辑 (Create, Read, Update, Delete)
│   └── user.py
└── routers/           # 路由分发
    └── user.py

这种分层架构（MVC变种）能让你的代码井井有条，也是企业级开发的通用规范。

七、总结

通过本文，我们完成了FastAPI的初体验。从环境搭建到编写接口，再到理解其自动验证和文档生成的特性，FastAPI确实是一个非常适合现代Python开发的框架。

后续学习建议：

数据库集成：学习如何结合SQLAlchemy或Tortoise ORM操作数据库。
安全认证：研究OAuth2和JWT（JSON Web Tokens）实现用户登录。
异步编程 ：深入理解 async 和 await，发挥FastAPI的高并发性能。

希望这篇笔记能帮助你快速入门FastAPI！如果觉得有用，欢迎点赞、收藏并关注我的博客，后续我会带来更多Python实战教程。

06. FastAPI框架从入门到实战

目录

一、核心回顾：LlamaIndex 与 RAG 的演进

1. 定位与价值

2. 四大核心流程 (CRUD for LLM)

3. 高阶能力：Workflows (工作流)

二、 FastAPI：为什么它被称为"快"框架？

三、 环境准备：开启Python高性能之旅

1. 安装依赖

四、 Hello World：三步创建你的第一个API

1. 编写代码

2. 运行与访问

五、 核心：路径、参数与数据验证

1. 路径参数与查询参数

2. 请求体与数据模型 (Pydantic)

六、 工程化思维

七、 总结

三、环境准备：开启Python高性能之旅

五、核心：路径、参数与数据验证

六、工程化思维

七、总结