@dataclass 默认自动生成 __init__、__repr__、__eq__ 方法，字段需类型注解，带默认值字段须在无默认值之后；可用 field() 控制 init/repr 行为，继承时注意字段顺序与 __post_init__ 手动调用父类。
dataclass 自动生成 __init__ 和 __repr__ 是默认行为
只要加了 @dataclass 装饰器，Python 就自动给你生成 __init__、__repr__、__eq__ 这几个方法，不用手写。你定义的字段会按顺序变成 __init__ 的参数，值直接赋给实例属性；__repr__ 则按字段名=值的格式打印，比如 Person(name='Alice', age=30)。
常见错误是以为要手动实现这些方法，或者误加 __init__ 导致装饰器失效——一旦自定义了 __init__，@dataclass 就不再生成它。
- 字段必须用类型注解（如
name: str），否则不会被识别为 dataclass 字段 - 带默认值的字段必须放在无默认值字段之后，否则报
TypeError: non-default argument follows default argument - 如果只想开
__repr__不想要__eq__，可以传eq=False，但__init__和__repr__默认总是一起启用
想控制字段是否参与 __init__ 或 __repr__？用 field()
有些字段你不希望用户在初始化时传入（比如缓存、运行时计算值），或不想出现在 __repr__ 里（比如敏感信息、大对象），就得用 field() 显式配置。
典型场景：API 响应类中，id 由服务端返回，客户端不传；_cache 是内部用的，不该进 repr。
立即学习“Python免费学习笔记（深入）”；
-
init=False：该字段不进__init__参数列表，但仍是实例属性（需在__post_init__或其他地方赋值） -
repr=False：该字段不出现在__repr__输出中，但依然可访问 -
default或default_factory必须和init=True配合使用，否则会报错
示例：score: float = field(init=False, repr=False) —— 这个字段既不能初始化传入，也不会出现在 repr 字符串里。
继承 dataclass 时字段顺序和 __post_init__ 容易出错
子类 dataclass 继承父类 dataclass 时，所有字段（包括父类的）会合并进同一个 __init__，且要求父类字段在前、子类字段在后。如果父类字段没默认值而子类字段有，默认值顺序一乱就报错。
更隐蔽的问题是：父类和子类都定义了 __post_init__，但子类不会自动调用父类的——得手动写 super().__post_init__()，否则父类的初始化逻辑就丢了。
- 避免混合使用带/不带默认值的字段跨层级定义；统一用
field(default=...)显式声明更安全 -
__post_init__不是构造函数，它在__init__之后运行，适合做校验、转换、补全等操作 - 如果父类不是 dataclass，子类加了
@dataclass，那父类字段完全不参与 dataclass 行为，得自己处理
dataclass 在序列化（如 JSON）和冻结对象时要注意兼容性
@dataclass 本身不提供 to_dict 或 to_json 方法，也不阻止修改属性。想转成字典常配合 asdict()，但它默认递归处理嵌套 dataclass，遇到非 dataclass 对象（比如 datetime、numpy array）就崩。
冻结（frozen=True）看似安全，但只是给属性加了只读保护，底层 __dict__ 还能被绕过（比如 object.__setattr__(obj, 'x', 1)），别当真不可变用。
-
asdict()和astuple()不处理函数、lambda、模块等不可序列化对象，提前过滤或自定义转换器 -
frozen=True会让类变慢（每次赋值都要检查），且和__slots__不兼容（会报ValueError） - 需要真正不可变语义？考虑用
NamedTuple或第三方库如pydantic，dataclass 的 frozen 只是轻量防护
最常被忽略的是：dataclass 字段类型注解只是提示，Python 运行时不强制；想靠它做校验或序列化，得额外加逻辑，不能默认它“管用”。
