python类型提示纯属静态注解，运行时不检查、不约束、不擦除；泛型参数运行时丢失；union/Optional不可用于isinstance；Protocol仅静态有效；类型安全需工具+测试+协作共同保障。
类型提示不是运行时约束
Python 的 typing 模块和类型注解（如 def foo(x: int) -> str:）在默认情况下完全不参与运行时行为。解释器不会检查、转换或拦截类型不匹配的调用——哪怕你传了 None 给标注为 str 的参数，程序照样执行，直到你真正用到该值并触发 AttributeError 或 TypeError。
这意味着：
- 类型检查必须依赖外部工具，如
mypy、pyright或 ide 内置分析器 -
isinstance(x, int)和x: int毫无关系；前者是运行时判断，后者只是注释性元数据 - 使用
cast()或Any会绕过静态检查，但不会改变实际对象行为 - 运行时获取注解需通过
inspect.signature().return_annotation，且返回的是原始表达式（可能是字符串、前向引用或forwardRef）
Generic 类型参数在运行时被擦除
Python 的泛型（如 List[int]、Dict[str, Any]）在运行时无法保留具体类型参数。你调用 isinstance(obj, List[int]) 会报错，因为 List[int] 不是一个真实类，而是 typing._GenericAlias 实例，且 isinstance 不支持它。
可行做法包括：
立即学习“Python免费学习笔记（深入）”；
- 用
get_origin(tp)和get_args(tp)解析泛型结构（来自typing），适用于反射场景 - 对容器做运行时元素检查需手动遍历，例如验证
list_of_ints真由int构成，得写all(isinstance(x, int) for x in lst) - 使用
typing.get_type_hints()获取函数注解时，注意它默认不解析前向引用，需传入localns和globalns -
__class_getitem__是list、dict等内置类型支持方括号语法的机制，但它不承载类型参数语义，仅用于构造实例
Protocol 和 structural typing 的隐式开销
Protocol 实现的是结构化协议（duck typing 的静态版本），不要求显式继承。但它的检查逻辑比 ABC 更“松”：只要对象有对应方法签名，就被认为符合协议。问题在于：
- 协议成员访问可能触发属性计算或副作用（比如
obj.size是个 Property，每次检查都执行一次） -
isinstance(obj, MyProtocol)在运行时不可用；只能靠mypy静态推导，或手动实现__protocol_attrs__（不推荐） - 嵌套协议（如
class A(Protocol): x: B）要求B本身也必须可被静态解析，否则 mypy 报Invalid type "B" - 协议中定义的可调用对象（如
def __call__(self, x: int) -> str: ...）不会校验实际调用时的参数数量或类型，只校验是否存在该方法名
Union 与 Optional 的运行时表现不一致
Optional[T] 是 Union[T, None] 的简写，但在运行时二者等价，而静态检查器对它们的处理略有差异。更关键的是：Union 类型在运行时无法直接用于类型判断。
常见误区：
-
isinstance(x, Union[int, str])会抛出TypeError—— 必须拆成isinstance(x, (int, str)) -
get_args(Union[int, str])返回(，但, ) get_args(Optional[int])可能返回(，注意, ) NoneType的导入方式（Python 3.10+ 推荐用types.NoneType） - 使用
Union做函数重载（@overload）时，mypy 会按顺序尝试匹配，但运行时所有重载都会被忽略，最终只执行最后一个未标注@overload的实现 - jsON 序列化/反序列化时，
Union类型无法自动推导目标类，需配合pydantic或dataclasses-json显式声明解码策略
类型系统真正的妥协点不在语法或工具链，而在于「谁负责验证」——Python 把责任交给了开发者：静态检查靠工具，运行时安全靠测试和断言，文档靠注释，契约靠协作。漏掉任意一环，类型就只是注释。