JIT需源码编译时启用--enable-jit且运行时正确配置才生效，仅优化热点纯Python计算路径，非I/O或C扩展密集型代码。
JIT 不是开个开关就加速的，它只对特定代码路径生效，且必须用正确构建的 Python 3.13 才能启用。
确认你的 Python 3.13 是否真支持 JIT
很多用户直接用 apt install python3.13 或官网预编译包，结果发现 -X jit 报错或静默失效——因为绝大多数二进制分发版默认禁用 JIT。JIT 必须在源码编译时显式开启。
- 检查是否启用：运行
python -c "import sys; print(hasattr(sys, '_enable_jit'))"，返回True才表示编译时启用了 JIT 支持 - 关键配置项是
--enable-jit（部分旧文档写成--with-jit，实际以./configure --help输出为准） - 若用系统包管理器安装，大概率不带 JIT；必须自己编译：
./configure --enable-jit --enable-optimizations --with-lto
运行时启用 JIT 的三种等效方式
启用方式不止一种，但效果和适用场景不同。环境变量和命令行参数可混用，优先级：环境变量 > -X 参数 > 默认行为。
-
PYTHONJIT=1 python script.py：最常用，兼容性好，适用于脚本、服务启动 -
python -X jit script.py：无需改环境，适合临时测试；加-X jit-log-level=INFO可看哪些函数被编译 -
_PYJIT_ENABLE=1 PYTHONDEVMODE=1 python script.py：某些调试场景需要开发模式配合，否则 JIT 不触发（尤其在短生命周期脚本中）
JIT 实际生效的条件与常见失效原因
JIT 不会编译所有代码，它只对“热点路径”动态介入。以下情况会导致你明明开了 JIT 却没提速：
python-script-generator
下载
快速生成专业的 Python 脚本和应用代码。一键创建完整项目结构，支持CLI、API、爬虫、Bot、Django等多种项目类型，包含完整的项目结构、配置文件、依赖管理、测试、README和文档。
立即学习“Python免费学习笔记（深入）”；
- 函数调用次数不足阈值：默认需同一函数被调用约 1000 次以上才触发编译，简单测试脚本（如单次
fib(35)）可能根本来不及编译就结束了 - 代码含大量 C 扩展调用：如
numpy.dot()、pandas.merge()，热点在 C 层，Python 字节码层无优化空间 - 使用了 JIT 尚未覆盖的操作码：截至 3.13.14，
WITH_CLEANUP_START、GEN_START等字节码仍走解释路径，含复杂异常处理或生成器的函数收益低 - 首次请求延迟高：JIT 编译本身有开销，长连接服务（如 FastAPI）预热后才稳定加速，压测时需跳过前几秒数据
如何验证 JIT 是否真正起效
别只看总耗时下降，要确认是 JIT 在干活：
- 加
-X jit-dump：输出每段被编译的字节码偏移和生成机器码大小，看到类似Compiled <function calc at> (23 instructions → 187 bytes)</function>才算落地 - 对比
dis.dis()和实际执行路径：JIT 后，原字节码执行计数器（co_code对应的执行频次）应明显下降 - 监控内存：JIT 缓存会额外占用几 MB 堆外内存（
/proc/<pid>/maps</pid>中可查rw-p映射段），无增长说明未编译
真正难的不是打开 JIT，而是让代码落到它的优化路径里：纯 Python 数值循环、递归、条件密集分支这些才吃红利；一旦混入 I/O、C 调用或动态特性（如 exec()、__getattr__），JIT 就自动退回到解释模式。别指望它拯救整个 Web 应用，先把它当成一个针对计算内核的加速插件来用。
