严格模式下高阶反射需收束动态性：用Callable+类型守卫替代裸getattr/eval，以TypedDict/Pydantic建模反射目标，禁用__getattribute__/exec/compile，改用预注册函数表，并辅以typeguard与assert_type运行时校验。
在 strict 严格模式下做高阶反射调用，核心不是“绕过检查”，而是让反射行为本身可推导、可验证、可拦截——即把动态性收束进类型契约里。
用 typing.Callable + 类型守卫替代裸 eval/getattr
strict 模式（如 mypy `--strict` 或 Pyright `typeCheckingMode: strict`）会拒绝未标注的 callable 推导。直接 `getattr(obj, method_name)()` 会被判为 `Any` 调用，触发 `call-arg` 或 `misc` 错误。
安全做法是：提前声明允许调用的方法签名，并用 `isinstance(..., Callable)` 或 `typing.cast` 显式收敛类型：
- 定义白名单接口：def safe_invoke(obj: object, method: Literal["save", "validate"]) -> None: ...
- 用 `getattr(obj, method, None)` 获取后，先 `assert callable(res)` 或 `if callable(res): res()`
- 对第三方对象，用 `cast(Callable[[str], int], getattr(obj, "parse"))` 配合注释说明契约依据
运行时反射必须绑定 Pydantic 或 TypedDict 校验
反射常用于处理外部数据（如 JSON 字段名、配置键），但 strict 模式不信任字符串字面量。不能写 `data[config.key]`，除非 `config.key` 是 `Literal["user_id", "token"]`。
正确路径是：将反射目标建模为结构化类型：
- 用 `TypedDict` 声明合法字段集：class ValidKeys(TypedDict): user_id: str; token: str
- 反射前校验键存在：if key in get_args(ValidKeys.__annotations__): ...
- 或用 Pydantic 模型封装反射入口：class InvokeRequest(BaseModel): method: Literal["encrypt", "log"]; payload: dict，再通过 `.model_dump()` 提取可信字段
禁止任何未约束的 __getattribute__ / exec / compile
strict 沙箱下，这些是明确的红线。mypy 会报 `attr-defined`（对 `__getattribute__`）、`exec-used`（对 `exec`）、`compile-used`（对 `compile`）等错误码，CI 应设为失败退出。
替代方案有且仅有一条：用预注册函数表代替动态代码执行：
- 定义映射字典：HANDLERS: dict[str, Callable[[Any], Any]] = {"json": json.loads, "base64": base64.b64decode}
- 调用前查表：handler = HANDLERS.get(codec); if handler: return handler(data)
- 配合 `Literal` 注解确保键名被类型系统捕获，避免 `str` 泛滥
用 typeguard + assert_type 在关键路径做双重确认
静态检查无法覆盖所有反射分支（比如从数据库读出的方法名）。此时需运行时兜底：
- 安装 typeguard，对反射结果加装饰：@typechecked; def invoke_later(func: Callable[[int], str], x: int) -> str: ...
- 在单元测试中用 Python 3.13+ 的 assert_type(result, str) 强制校验实际类型，失败即 CI 报错
- 对高危反射点（如插件加载），记录调用栈并触发告警，而非静默 fallback
