本文介绍如何通过泛型（Generic）与类型变量（TypeVar）约束，使 Pydantic 模型能正确接收并完整序列化继承自基类的任意子类实例，解决 model_dump() 丢失子类字段的问题。
本文介绍如何通过泛型（generic）与类型变量（typevar）约束，使 pydantic 模型能正确接收并完整序列化继承自基类的任意子类实例，解决 `model_dump()` 丢失子类字段的问题。
在 Pydantic 中，若将字段声明为父类类型（如 action: Action），即使传入子类实例（如 LogAction），默认序列化（model_dump() 或 JSON 输出）也仅保留父类定义的字段——子类特有属性会被静默忽略。这是因为 Pydantic 在运行时按字段声明类型进行序列化，而非实际实例类型。
要真正支持“任意 Action 子类”且保留全部子类字段，推荐使用 Pydantic + Python 泛型 + 类型约束（bounded TypeVar） 的组合方案：
✅ 正确实现方式：泛型模型 + 类型变量约束
from typing import Generic, TypeVar
from pydantic import BaseModel
class Action(BaseModel):
name: str
class LogAction(Action):
log_level: str
timestamp: str
class Alert(BaseModel, Generic[T]):
id: int
message: str
action: T
# 定义约束：T 必须是 Action 或其子类
T = TypeVar("T", bound=Action)这样定义后，Alert 成为一个泛型模型，action 字段的实际类型由实例化时传入的具体子类决定。Pydantic 会根据运行时传入的 LogAction 实例，自动识别并序列化其全部字段（包括 name、log_level 和 timestamp）：
alert1 = Alert[LogAction](
id=1,
message="Alert Message",
action=LogAction(name="Error Log", log_level="ERROR", timestamp="2024-04-20T10:45:00")
)
print(alert1.model_dump())
# 输出：
# {
# 'id': 1,
# 'message': 'Alert Message',
# 'action': {
# 'name': 'Error Log',
# 'log_level': 'ERROR',
# 'timestamp': '2024-04-20T10:45:00'
# }
# }✅ 优势：类型安全（mypy 可校验）、运行时完整序列化、支持多态扩展（可无缝接入 AnotherAction 等新子类）。
⚠️ 注意：生成的 JSON Schema 仍以 Action 为基准（因 Schema 是静态结构描述），但运行时行为完全正确——这是当前 Pydantic v2 的设计权衡，不影响功能。
? 补充说明与最佳实践
- 必须显式指定泛型参数：建议使用 Alert[LogAction] 而非 Alert 原始类型，以启用完整类型推导和 IDE 支持；
- 验证保障：若传入非 Action 子类（如独立定义的 AnotherAction2），Pydantic 将在初始化时抛出 ValidationError，确保类型契约；
- 兼容性：该方案适用于 Pydantic v2.x（≥2.0），不适用于 v1（v1 不支持 Generic 模型的序列化增强）；
- 进阶替代（可选）：若需 Schema 也反映子类结构，可结合 Union + Field(discriminator=...) 实现带区分字段的联合类型（适合已知有限子类集合），但泛型方案更灵活、更符合“任意子类”的原始需求。
总之，泛型 + bound=Action 是兼顾类型安全、运行时完整性与扩展性的最优解，也是 Pydantic 官方推荐的多态建模模式。
