@dataclass加__slots__能提速，是因为禁用__dict__后属性访问从字典哈希查找变为内存偏移直取，实测读取快20%~35%、内存降约40%；但需用@dataclass(slots=True)显式启用，且父类也须支持，否则失效。
为什么 @dataclass 加 __slots__ 能提速？
因为默认的 @dataclass 不启用 __slots__，实例仍带 __dict__，属性访问走动态查找；加上后强制只允许预定义字段，跳过字典哈希查找，直接通过偏移量读内存——实测属性读取快 20%~35%，内存占用降约 40%（尤其小对象密集场景）。
但注意：一旦启用 __slots__，就不能再动态赋值新属性，也不能用 setattr() 写未声明字段，否则抛 AttributeError: 'X' object has no attribute 'y'。
怎么正确开启 slots（不是加 slots=True 就完事）
必须显式传参 slots=True，且不能和 __slots__ 手动定义共存；同时要确保所有父类也用了 slots=True，否则子类 slots 会被父类的 __dict__ “污染”失效。
-
@dataclass(slots=True)是唯一有效方式；@dataclass+ 手动写__slots__ = ('a', 'b')会报错或静默失效 - 如果继承自另一个 dataclass，父类也得带
slots=True，否则子类 slots 不起作用 - 若父类是非 dataclass 的普通类，且定义了
__slots__，子类仍需设slots=True，Python 3.10+ 会自动合并 slots 元组
示例：
立即学习“Python免费学习笔记（深入）”；
@dataclass(slots=True)
class Point:
x: float
y: float
<p>p = Point(1.0, 2.0)</p><h1>p.z = 3.0 # AttributeError！哪些情况不能用 slots=True？
不是所有 dataclass 都适合。以下任一条件成立，就别硬上 slots：
- 需要运行时动态增删属性（比如用
__dict__.update()或setattr(obj, name, val)） - 用了
__post_init__里给实例挂非字段属性（如缓存、上下文句柄），除非你把它也写进字段并设init=False - 类被 pickle 序列化且依赖
__dict__（Python 3.10 默认 pickle 支持 slots，但某些旧库或自定义协议可能不兼容） - 用到了
weakref.ref()指向该实例——slots 类默认不支持弱引用，除非额外加__weakref__到 slots 中（即字段里显式声明__weakref__: Any = field(repr=False, init=False, default=None)）
性能差异真的明显吗？关键看你怎么测
单纯 obj.field 访问，slots 快；但如果你在循环里反复调用带验证逻辑的 property、或大量触发 __getattribute__，那 slots 带来的收益会被吞掉。真实瓶颈往往不在这里。
- 用
timeit测纯属性访问时，建议跑 100 万次以上，避免噪声干扰 - 检查是否真生效：打印
Point.__slots__应为('x', 'y')；hasattr(Point(), '__dict__')应返回False - 内存对比用
sys.getsizeof()不准（它不计对象内部引用），推荐用pympler.asizeof.asizeof()
真正容易被忽略的是：slots 会让类失去对 monkey patch 的兼容性，调试时临时加方法会失败——这在测试或 REPL 探索阶段很碍事。
