Pydantic 仅对不可哈希（unhashable）类型的默认值执行实例级深拷贝，而用户自定义类默认是可哈希的，因此 Spam() 这类对象会被共享；正确做法是改用 Field(default_factory=…) 确保每次实例化都生成独立副本。
pydantic 仅对**不可哈希（unhashable）类型**的默认值执行实例级深拷贝，而用户自定义类默认是可哈希的，因此 `spam()` 这类对象会被共享；正确做法是改用 `field(default_factory=…)` 确保每次实例化都生成独立副本。
在 Pydantic 模型中，为字段指定默认值时，若该值是可变对象（如 list, dict, 或自定义类实例），开发者常期望每次创建新模型实例时，该字段都获得一个独立的副本，避免状态意外共享。Pydantic 确实为此提供了保障——但有一个关键前提：它仅对不可哈希（unhashable）对象自动触发深拷贝。
Python 规定：所有用户自定义类的实例默认是可哈希的（只要未显式定义 __hash__ = None 或实现冲突的 __eq__/__hash__），而 Pydantic 的深拷贝机制正是依据 hash() 是否抛出 TypeError 来判断是否需要深拷贝。这意味着：
- ✅ list = []、dict = {} 等内置可变类型不可哈希 → Pydantic 自动深拷贝 → 每个实例拥有独立列表；
- ❌ Spam() 实例默认可哈希 → Pydantic 跳过深拷贝 → 所有实例共享同一对象引用。
这解释了原代码中 obj1.item.names.append(“bye”) 同时影响 obj2.item.names 的现象，以及 id(obj1.item) == id(obj2.item) 返回 True 的原因——它们指向同一个 Spam 实例。
正确解法：使用 default_factory
应弃用直接赋值的默认参数（item: Spam = Spam()），改用 Field(default_factory=…)，由 Pydantic 在每次实例化时惰性调用工厂函数，确保对象严格隔离：
from pydantic import BaseModel, ConfigDict, Field class Spam: def __init__(self) -> None: self.names = ["hi"] class Person(BaseModel): model_config = ConfigDict(arbitrary_types_allowed=True) item: Spam = Field(default_factory=Spam) # ✅ 每次新建 Person 都调用 Spam() lst: list = [] # ✅ list 默认仍被深拷贝（因不可哈希）运行效果验证：
obj1 = Person() obj2 = Person() obj1.lst.append(10) obj1.item.names.append("bye") print(obj1.lst) # [10] print(obj1.item.names) # ['hi', 'bye'] print(obj2.lst) # [] print(obj2.item.names) # ['hi'] ← 独立副本！ print(id(obj1.item) == id(obj2.item)) # False注意事项与最佳实践
- ⚠️ 不要依赖 __deepcopy__：即使你实现了 __deepcopy__，只要对象可哈希，Pydantic 就不会调用它。该方法仅在对象被判定为需深拷贝时才生效。
- ⚠️ 避免可变默认参数陷阱：item: Spam = Spam() 是典型的“危险默认值”写法，在 Pydantic 和纯 Python 函数中均应规避。
- ✅ 优先使用 default_factory：对任意可变对象（包括自定义类、嵌套结构、带初始化逻辑的对象），Field(default_factory=…) 是最清晰、最可靠的方式。
- ? 若需深度定制拷贝行为：可在 Spam 中保留 __deepcopy__，但必须配合 default_factory 使用，此时它会在 Spam 被其他支持深拷贝的上下文（如手动 deepcopy()）调用，而非由 Pydantic 主动触发。
综上，Pydantic 的深拷贝策略是务实且符合 Python 类型哲学的：它不强行干预可哈希对象的语义，而是将控制权交还给开发者——通过 default_factory 显式声明“此处需新实例”，从而兼顾性能、安全与可预测性。