开发者警告：别为通过类型检查把运行时错误改成静默bug

别让类型检查器逼你把显眼的运行时错误变成无声的 bug

你刚写完（或别人替你写完）一个函数，它做一次计算并把结果保存到数据库： def calculation(a: int, b: int) -> int: return a + b result = calculation(data_a, data_b) save_result_to_database(result) 作为一个勤勉的 Python 开发者，你对它跑了一遍类型检查器。结果报错： error: Argument 1 to "calculation" has incompatible type "int | None"; expected "int" error: Argument 2 to "calculation" has incompatible type "int | None"; expected "int 于是你改了这个函数，让类型检查器通过： def calculation(a: int | None, b: int | None) -> int | None: if a is None or b is None: return None return a + b result = calculation(data_a, data_b) save_result_to_database(result) 这也许是正确的做法。你也许确实想把那个 None 值存进数据库。但根据我的经验，更常见的情况是：你刚刚做的，其实是把本该显眼的运行时错误变成了无声的 bug。 这算不上类型安全的胜利。 所以在上面的例子里，应该往处理流程的更早处（也许要往前找很远）去看，而不是盯着类型检查器报错的位置，在那里处理 None 的情况。 if data_a is None or data_b is None: raise ValueError() def calculation(a: int, b: int) -> int: return a + b result = calculation(data_a, data_b) save_result_to_database(result) 现在你有了一个定义明确的校验阶段：数据不符合预期时就显式报错；你避免了把坏数据写进数据库；你仍然保留了一个不处理 None 的清晰核心函数；而且类型检查器也满意了 🏆。 在这个例子里，类型检查器之所以能通过，是因为它能理解针对 None 的检查；但在更复杂的情况下，TypeGuard 是个很好的工具，它让你可以引入运行时检查，并把检查结果传达给类型检查器。 总结一下：类型安全是个很好的工具，但不加思考地去迎合类型检查器，不仅浪费时间（或 token 😜），如果方式不对，还会让你的系统变得更糟。