PyMongo不提供数据验证，所有校验需应用层手动实现；Pydantic模型须转为字典（用model_dump而非dict）才能插入，且ObjectId等类型需显式处理与转换。
PyMongo本身不提供数据验证能力，所有字段类型、必填、格式校验必须由应用层手动实现——直接用pymongo插入或更新文档时，它不会拒绝age: "twenty"这种非法值。
Pydantic模型不能直接传给insert_one()，必须先转成字典
Pydantic模型（如UserProfile）是验证载体，不是MongoDB可接受的原始数据。PyMongo只认dict、list这类原生类型，且对ObjectId、datetime等有特定要求。
常见错误现象：TypeError: Object of type UserProfile is not JSON serializable 或写入后_id变成字符串而非ObjectId。
- 调用
model.model_dump()（Pydantic v2）获取字典，不要用dict(model)——它不处理Field(alias="_id")和json_encoders - 若模型含
ObjectId字段（如id: Optional[ObjectId]），确保model_config.json_encoders已注册{ObjectId: str}，否则序列化失败 - 插入前检查
_id是否为ObjectId实例：若传入字符串，需显式转换ObjectId("...")，否则MongoDB会存成字符串字段
从MongoDB读取后必须用Pydantic重新解析，不能跳过验证
PyMongo查询返回的是原始dict，字段可能缺失、类型错乱、嵌套结构不一致——这正是Pydantic要解决的问题。
使用场景：用户注册后立即查自己资料，或批量查用户列表做前端渲染。
- 不要直接把
collection.find_one(...)结果当业务对象用；必须传给Pydantic模型构造器，例如UserProfile(**doc) - 若文档中
user_age是字符串"25"，而模型定义为int，Pydantic会自动转换（前提是没禁用coerce行为）；但若值是"abc"，则抛ValidationError - 对可选字段（
Optional[str]），文档里字段缺失或为null都合法；但若模型要求str非空，而数据库存了null，就会验证失败
ObjectId字段在Pydantic中必须自定义处理
MongoDB的_id是ObjectId类型，但Pydantic默认不识别它，也不支持从字符串自动构造——不处理就会导致写入失败或读取后无法反序列化。
参数差异：ObjectId.is_valid()只判断字符串格式，不保证数据库中真实存在；而ObjectId("...")构造失败会抛InvalidId异常。
- 定义字段时用
id: Optional[ObjectId] = Field(alias="_id", default=None)，并配model_config.json_encoders = {ObjectId: str} - 插入新文档时，让MongoDB自动生成
_id（不传_id字段），或手动传ObjectId()实例 - 查询时若按
_id查，务必先用ObjectId(id_str)转换，否则查不到——字符串"60a1b2c3d4e5f67890123456"和ObjectId("60a1b2c3d4e5f67890123456")在BSON层面完全不同
最易被忽略的是：Pydantic验证只发生在模型构建/解析那一刻，它不挂钩到PyMongo的CRUD方法上。每次find之后、每次insert_one之前，你都得主动调一次模型构造或model_dump()——没有魔法，只有明确的两次转换：Python对象 ↔ Pydantic模型 ↔ BSON字典。
