dataclass 比手动写 __init__ 更可靠，因其在编译期校验字段与初始化一致性，自动补全 __repr__ 和 __eq__，且强制类型注解；而手写易漏赋值、注解不一致、方法实现不全，尤其字段超4个时出错率显著上升。
dataclass 为什么比手动写 __init__ 更可靠
手写 __init__ 容易漏掉字段赋值、类型注解不一致、__repr__ 或 __eq__ 实现不完整——尤其当字段超过 4 个时，出错概率明显上升。而 @dataclass 在编译期就校验字段声明与初始化逻辑是否对齐，自动补全常用特殊方法，且所有字段默认参与 __eq__ 和 __repr__，无需额外判断。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 所有字段必须有类型注解，否则
dataclass不会将其纳入生成逻辑（Python 3.10 要求严格，无注解字段会被忽略） - 用
field(default=...)显式声明默认值，避免可变对象（如list、dict）直接写在参数里 - 若某字段仅用于内部计算、不参与比较或序列化，加
init=False和repr=False
如何控制哪些字段参与 __eq__ 和 __repr__
不是所有字段都该影响相等性判断。比如带时间戳的记录，created_at 变化不应导致两个逻辑相同的实例判为不等；又比如调试用的 _cache 字段不该出现在 print(obj) 输出里。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 用
field(compare=False)排除相等性比较：例如updated_at: datetime = field(compare=False) - 用
field(repr=False)隐藏敏感或冗余字段：例如_raw_data: dict = field(repr=False) - 若整个类不需要自动生成
__eq__，传参eq=False给装饰器，再手动实现
frozen=True 真的能防误改吗？有哪些副作用
设 frozen=True 后，实例属性不可赋值，Python 会拦截 obj.x = y 并抛 FrozenInstanceError。但它不能阻止通过 object.__setattr__ 绕过，也不能防止对可变对象内容的修改（如 obj.items.append(...)）。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 仅当明确需要“逻辑不可变”语义时启用，比如配置类、DTO 传输对象
- 含可变默认值的字段（如
list）在frozen=True下仍可被原地修改，需配合field(default_factory=list)+ 手动封装只读接口 - 继承链中只要任一父类设了
frozen=True，子类也自动冻结，无法取消
和 NamedTuple、TypedDict 的关键区别在哪
NamedTuple 是不可变元组的子类，内存紧凑但无法添加方法、不支持默认值（除非用 _replace）、字段不能有文档字符串；TypedDict 仅用于类型检查，运行时是普通 dict，无实例行为。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 要定义带方法、支持默认值、需自定义
__post_init__的结构体，选@dataclass - 只做轻量级、纯数据容器且确定永不扩展，
NamedTuple内存和性能略优 - 接收 JSON / API 响应这类松散字典结构，优先用
TypedDict做类型提示，而非dataclass（后者要求字段全出现，容易TypeError）
真正容易被忽略的是：dataclass 字段顺序即 __init__ 参数顺序，但如果你用 field(default_factory=...) 插在中间，它后面的带默认值字段就必须全带默认值，否则会触发 TypeError: non-default argument follows default argument —— 这个限制来自 Python 函数签名规则，不是 dataclass 自己加的。
