类型注解不影响python运行时行为，仅作为元数据存储于__annotations__中供静态分析工具（如mypy、pyright）或反射API（如get_type_hints）使用，运行时需手动实现校验。
类型注解不会改变 Python 运行时行为
Python 的类型注解（如 def foo(x: int) -> str:）在默认情况下完全被解释器忽略。它们不参与任何类型检查、不触发转换、不抛出错误，也不会影响函数调用、对象创建或内存布局。
这意味着你写 foo("hello") 即使参数标注为 int，只要函数体里能处理字符串，它就照常运行——不会报错，也不会自动转成 int。
- 注解只是存储在函数的
__annotations__字典中，属于元数据 -
eval、exec、import等运行时操作均不解析或执行注解 - CPython、PyPy、Jython 等主流解释器对此行为一致
哪些工具会读取类型注解
注解的价值体现在开发期和静态分析阶段，而非运行时。真正“用到”它们的是外部工具：
-
mypy：做静态类型检查，但需单独运行，不介入解释器执行流 -
pyright/pylance：ide（如 vs code）中的实时提示和诊断，依赖 AST 解析注解 -
dataclasses和pydantic：在类定义时读取__annotations__构建字段逻辑（注意：这是主动读取，不是解释器行为） -
typing.get_type_hints()：运行时反射 API，可安全提取注解（会处理前向引用、字符串字面量等），但你要显式调用它
例如：
from typing import get_type_hints def bar(x: list[int]) -> dict[str, float]: ... print(get_type_hints(bar)) # {'x': list[int], 'return': dict[str, float]}误以为注解会运行时生效的常见坑
很多初学者看到 Optional[str] 或 union[int, None] 就以为 Python 会自动做空值校验或类型转换，结果线上出 bug 才发现根本没拦住非法输入。
立即学习“Python免费学习笔记（深入）”；
- 写
def process(name: str):≠ 自动对name做isinstance(name, str)检查 -
TypedDict不提供运行时键存在性或类型验证，只用于静态检查 - 使用
cast()或assert_never()等辅助函数，纯属开发提示，运行时无效果 - 注解中出现未定义名称（如
def f(x: NonExistentClass):）在导入模块时不会报错，只有 mypy 这类工具会报
想让类型约束在运行时起作用？得自己加
如果真需要运行时类型校验（比如 API 入参清洗、配置加载），必须显式编码实现。标准库不提供开箱即用的运行时类型检查机制。
- 可用
typeguard库装饰函数：@typechecked会在调用时做运行时检查（有性能开销） -
pydantic.BaseModel在实例化时校验字段类型，但这是模型层逻辑，不是通用函数注解的延伸 - 自己用
isinstance()+get_type_hints()写装饰器可行，但要注意泛型擦除（如list[int]在运行时是list）、前向引用、Any等边界情况
关键点在于：类型注解本身不是契约，只是文档 + 静态分析线索；把它变成运行时契约，是额外工程决策，不是语言默认路径。