.py · text/x-python

Pydantic v2: Modelo BaseModel Pydantic v2 em Python

Modelos Pydantic v2 usam type hints do Python e classes BaseModel (com aliases Field para chaves camelCase) com validação ultrarrápida em núcleo Rust.

Resposta rápida: Modelos Pydantic v2 usam type hints do Python e classes BaseModel (com aliases Field para chaves camelCase) com validação ultrarrápida em núcleo Rust. Endpoints FastAPI, saídas estruturadas de LLM em Python e validação rigorosa de dados em Python 3.10+.

Tipo de estruturaCódigo tipado
Legibilidade humanaAlta
Suporte a aninhamentoSim
Eficiência de tokens LLMMédia
Extensão do arquivo.py
Tipo MIMEtext/x-python
Indicado paraEndpoints FastAPI, saídas estruturadas de LLM em Python e validação rigorosa de dados em Python 3.10+.

Pontos fortes

  • Padrão nativo de saída estruturada no FastAPI, OpenAI e LangGraph
  • Mantém nomes snake_case idiomáticos em Python mapeados via Field(alias=...)
  • Núcleo em Rust no Pydantic v2 valida payloads JSON ordens de grandeza mais rápido

Limitações

  • APIs Pydantic v1 e v2 diferem (model_validate vs. parse_obj)
  • Palavras reservadas em Python ou chaves camelCase exigem Field(alias=...)
  • Referências circulares requerem from __future__ import annotations

Referências

Converter e limpar Pydantic v2 localmente

Guias técnicos relacionados

Formatos relacionados

Todos os 24 formatos

Perguntas frequentes sobre Pydantic v2

Como o JSON para Pydantic trata chaves camelCase como userId?

O TxtTo converte chaves para snake_case idiomático (user_id) anexando Field(alias="userId") para o Pydantic v2 ler o JSON sem problemas.

Objetos aninhados são promovidos a classes Python de nível superior?

Sim. Objetos JSON aninhados viram classes BaseModel separadas ordenadas acima da classe raiz.

Por que incluir from __future__ import annotations na saída Pydantic v2?

Permite usar a sintaxe moderna PEP 604 de união (str | None) e referências antecipadas com limpeza no Python 3.9+.