基于PEP 692，能否用Unpack TypedDict直接展开为函数参数？

Python当前语法和类型系统不支持你设想的def inference(name, **?: Unpack[Config]):写法——PEP 692的Unpack仅用于类型提示层面，约束**kwargs的结构，无法将TypedDict的键自动展开为函数的局部变量。

结合你的动机（避免冗长键访问、修改Config无需改动函数签名、直接使用字典配置），推荐以下几种方案：

1. 手动解构+类型提示（最简原生方案） #

在函数内部手动将config的键解构为局部变量，类型检查器会自动识别变量类型：

from typing import TypedDict, Unpack

class Config(TypedDict):
    a: str
    b: int

def inference(name, **config: Unpack[Config]):
    # 手动解构，一次定义后直接用变量
    a: str = config["a"]
    b: int = config["b"]
    c = a + str(b)

config: Config = {"a": "1", "b": 2}
inference("example", **config)

优点：完全原生，无需依赖第三方库；修改Config后，只需在函数内新增对应解构行（如果需要用到新参数），函数签名保持不变。

2. 动态解构（适配大量参数场景） #

如果Config的键很多，可以用locals().update(config)动态将所有键转为局部变量，同时显式声明类型让类型检查器识别：

from typing import TypedDict, Unpack

class Config(TypedDict):
    a: str
    b: int

def inference(name, **config: Unpack[Config]):
    locals().update(config)
    # 显式声明类型，确保类型检查器识别变量
    a: str
    b: int
    c = a + str(b)

注意：这种方式在部分类型检查器（如mypy）中可能需要额外配置，但运行时完全正常；如果Config新增参数，只需添加对应变量的类型注释即可。

3. 使用Pydantic（类型安全+自动解构） #

如果能接受第三方库，Pydantic的BaseModel可以完美适配需求：从YAML加载的字典可直接转为模型实例，支持属性访问，修改模型定义后函数无需改动：

from pydantic import BaseModel

class Config(BaseModel):
    a: str
    b: int

def inference(name, config: Config):
    c = config.a + str(config.b)

# 从YAML加载的字典直接转模型，无需额外转换
config_dict = {"a": "1", "b": 2}
config = Config(**config_dict)
inference("example", config=config)

优点：自带自动类型校验、属性访问更简洁、修改Config只需调整模型类；Pydantic支持直接从YAML/JSON加载为模型实例，无需手动处理字典转换。

你的临时方案（显式定义函数参数+用**config调用）是完全合理的，尤其适合需要明确函数参数列表的场景。如果追求Config和函数的解耦，原生手动解构适合轻量场景，Pydantic适合中大型项目的类型安全需求。

内容的提问来源于stack exchange，提问作者Patryk Niemiec