TypedDict 适合只读结构化字典校验，不支持实例化；dataclass 适合需可变字段、默认值和方法的轻量数据容器；NamedTuple 适合不可变、高性能、内存敏感的固定结构。
TypedDict 适合只读结构化字典校验，不支持实例化
当你需要在类型检查阶段约束字典的键名和值类型，又不想引入运行时开销，TypedDict 是唯一选择。它本质是类型提示工具，生成的代码仍是普通 dict，没有构造函数、不可实例化，也不能继承或加方法。
常见错误是试图用 TypedDict 创建对象：MyType() 会报 TypeError: TypedDict does not support instantiation；或者误以为它能做运行时字段校验——它完全不干预运行时行为。
适用场景包括：API 响应结构声明、jsON 解析后类型标注、mypy/pyright 检查字典字段拼写和类型。
dataclass 适合需要可变字段、默认值、方法和运行时行为的轻量数据容器
dataclass 是运行时真实存在的类，字段可读写、支持默认值、__post_init__、自定义 __eq__ 或 __repr__，还能配合 field(default_factory=...) 处理可变默认值。
性能上，初始化比 NamedTuple 慢约 2–3 倍（因要执行 __setattr__ 和可能的 __post_init__），内存占用略高（有 __dict__）。但多数业务场景这点开销可忽略。
容易踩的坑：
- 忘记加
@dataclass(slots=True)导致意外的属性动态添加（尤其在严格模式下） - 用
list或dict当默认值引发共享引用问题，必须用default_factory -
init=False字段若没在__post_init__中赋值，实例化后为None（且无警告）
NamedTuple 适合不可变、高性能、内存敏感的固定结构
NamedTuple 是 tuple 的子类，创建快、内存省、不可变、支持解包和索引。运行时性能接近原生 tuple，初始化速度通常是 dataclass 的 2 倍以上，比 TypedDict（纯 dict）略快或相当。
但它牺牲了灵活性：字段不可修改、不支持默认值（Python 3.7+ 可用 _field_defaults 辅助，但非标准用法）、不能定义方法（除非继承并重写，破坏不可变语义）、无法用 isinstance 稳定识别（因是动态生成类）。
典型使用场景：配置项常量、sql 查询结果行、函数返回多值结构、需要传给 collections.namedtuple 兼容接口的老代码。
- 字段名不能是 Python 关键字（如
class、def），否则生成失败 - 不支持类型注解运行时提取（
get_type_hints可能失效，取决于定义方式） - 序列化时是 tuple 形式，不是字典，对 json 友好度低于
TypedDict或dataclass
选型关键看「是否需要运行时行为」和「是否接受不可变」
如果只是让 ide 和 mypy 知道“这个 dict 应该长这样”，选 TypedDict；如果要实例化、带逻辑、可扩展，选 dataclass；如果明确要求不可变 + 高频创建 + 内存敏感（比如每秒万级日志条目建模），且不需方法或默认值，NamedTuple 更合适。
别为了“类型安全”强行用 TypedDict 去替代运行时数据容器——它不提供运行时保障；也别在 dataclass 里塞大量计算逻辑，那已超出数据容器职责。真正难判断的，往往是字段是否该可变：一旦开放 __setattr__，就很难再退回到不可变模型。