下载

Skill UI

浏览并发现 9180+ 精选技能

全部编程开发人工智能设计创意产品商业数据科学市场营销职场通用效率工具硬件工程语言学习

搜索 Pydantic ，共找到 13 条记录

默认排序最新上传最多下载

FastAPI 异步 API 专家

Jeffallan/claude-skills

指导使用 FastAPI 和 Pydantic V2 构建异步 REST 服务，结合 JWT 认证、SQLAlchemy 异步数据层、WebSocket 及 OpenAPI 文档，保障接口验证、权限和性能达标。

高性能 FastAPI API 专家指南

sickn33/antigravity-awesome-skills

本指南是构建高性能、异步优先 API 的专家级资源。它深度覆盖了使用 FastAPI、SQLAlchemy 2.0 和 Pydantic V2 的最佳实践。内容涵盖微服务架构、WebSocket、OAuth2 安全、全面的测试策略、性能优化和现代 DevOps 流程，旨在帮助用户掌握构建可扩展、生产级 Python Web 服务所需的所有知识。

FastAPI 路由构建与最佳实践

fastapi-router-py

sickn33/antigravity-awesome-skills

本指南提供了一套创建健壮、可扩展的 FastAPI 路由的完整模式。它涵盖了最佳实践，包括实现认证逻辑（必需/可选依赖），使用 Pydantic 定义结构化响应模型，以及正确设置 HTTP 状态码。适用于需要构建结构化、安全且符合规范的 Python 后端 API 的场景。

生产级Genkit应用流开发

genkit-production-expert

jeremylongshore/claude-code-plugins-plus-skills

本技能旨在指导用户构建生产级的Genkit AI应用。内容涵盖完整的开发生命周期，包括实现高级RAG系统、多步骤工具调用代理和复杂工作流，支持Node.js、Python和Go等多种语言。重点讲解了Schema验证、OpenTelemetry追踪、错误处理、以及到Firebase Functions或Cloud Run的可靠部署最佳实践。

Instructor 结构化输出

Orchestra-Research/AI-Research-SKILLs

Instructor 将 LLM 响应映射为经过 Pydantic 验证的结构化数据，自动重试解析失败、保障类型安全、解析复杂 JSON，并支持多模型流式返回部分结果，适用于构建可靠的结构化输出流程。

模型上下文协议开发专家

Jeffallan/claude-skills

专精于模型上下文协议（MCP）的服务器和客户端开发。用于构建连接AI系统与外部工具、数据源的复杂接口。涵盖工具定义、资源配置、协议验证（Zod/Pydantic）、以及使用TypeScript或Python搭建完整的、符合JSON-RPC 2.0规范的系统。

结构化文本生成器

Orchestra-Research/AI-Research-SKILLs

Outlines 通过 Pydantic 模型与语法驱动的有限状态机在生成时约束 token，使 JSON/XML/代码结构必然有效，并支持 Transformers、llama.cpp 与 vLLM 等本地模型，实现高速推理与抽样控制。

使用Pydantic模型定义API契约

pydantic-models-py

sickn33/antigravity-awesome-skills

该技能指导开发者如何使用Pydantic库遵循多模型模式（Multi-Model Pattern）来构建清晰、健壮的API数据契约。它为资源创建、更新、响应和数据库操作分别定义了模型，确保了Python后端的数据类型安全性和数据校验的准确性。

现代Python最佳实践

python-best-practices

rohitg00/awesome-claude-code-toolkit

介绍现代 Python 开发指南，涵盖 3.12 类型提示、dataclasses 与 Pydantic 的职责划分、asyncio/httpx 异步模式、src 布局工程、pyproject 工具配置、虚拟环境与 pytest 测试建议，帮助团队统一规范。

FastAPI后端开发工作流

python-fastapi-development

sickn33/antigravity-awesome-skills

这是一个用于构建生产级Python后端API的完整工作流。它覆盖了从项目搭建、使用SQLAlchemy进行数据库集成、Pydantic数据校验、实现JWT/OAuth2认证，到包括单元测试、异常处理和Docker部署的全部开发流程，适用于构建健壮的微服务架构。

大模型结构化输出提取

llm-structured-output

sickn33/antigravity-awesome-skills

本技能旨在教授如何从大型语言模型（LLM）API中提取类型安全、结构化的数据，避免解析非结构化文本。内容涵盖主流模型（如OpenAI、Anthropic、Google）的最佳实践，包括使用JSON Schema定义结构、实现约束解码，以及构建包含重试机制的生产级数据管道。

PydanticAI：类型安全LLM代理框架

sickn33/antigravity-awesome-skills

PydanticAI 是一个强大的 Python 框架，它将 Pydantic 的类型验证能力引入大型语言模型（LLMs）。它允许开发者构建生产级的 AI 代理，确保 LLM 的输出具有严格的结构化和数据类型安全，不再仅仅是原始文本。框架支持工具调用、依赖注入和多模型兼容性，适用于需要高可靠性和准确数据结构的复杂 AI 场景。

语言