实现带类型提示的自定义DeepCopy时，调用未类型化类__new__方法触发Mypy报错的问题咨询

问题回顾 #

你碰到的情况确实挺让人困惑的：给自定义deepcopy函数加类型提示时，当TypeVar绑定未类型化的tf.Module，Mypy会对cls.__new__(cls)抛出重载不匹配错误，但换成已类型化的类型（比如int、自定义类）或者把逻辑改成类方法实现时，检查就能正常通过。先把核心场景再理清楚：

最小复现代码：

T = TypeVar("T", bound=Any)
def foo(x: T) -> None:
    cls = type(x)
    cls.__new__(cls)

Mypy报错：

error: No overload variant of "__new__" of "type" matches argument type "Type[Any]"
note: Possible overload variants:
note: def __new__(cls, cls: Type[type], o: object) -> type
note: def __new__(cls, cls: Type[type], name: str, bases: Tuple[type, ...], namespace: Dict[str, Any]) -> type

你的实际业务代码（绑定tf.Module）和类方法实现的对比也很关键——类方法里Mypy完全不报错，这背后其实是Mypy对未类型化类的类型推导逻辑在起作用。

原因拆解 #

这个问题的核心在于Mypy对未类型化类的处理规则：

1. 像tf.Module这种没有提供类型注解的类，Mypy会把它视为Any的子类。当你用type(x)获取它的类型时，Mypy只能推导出Type[Any]。
2. Mypy内置的type.__new__重载主要针对动态创建新类的场景（比如type("NewClass", (), {})这种用法），而不是调用已有类的__new__来创建实例。所以当它看到Type[Any]调用__new__时，只会去匹配那些创建类的重载，自然就不匹配了。
3. 当你绑定已类型化的类时，type(x)会被推导为Type[T]，Mypy能识别到这是一个可以创建实例的类类型，会匹配实例创建的__new__重载，所以没问题。
4. 类方法中self: T的类型注解让Mypy明确知道type(self)是Type[T]，而且在类的上下文中，Mypy会优先默认类存在创建实例的__new__签名（哪怕类未类型化），所以不会报错。

解决方案 #

这里有几个实用的解决办法，你可以根据场景选择：

1. 显式注解cls的类型为Type[T] #

直接给cls加上类型注解，告诉Mypy它是T的类型，而不是泛化的Type[Any]：

import tensorflow as tf
from typing import TypeVar, Type, Dict
import copy

T = TypeVar("T", bound=tf.Module)

def my_copy(x: T, memo: Dict[int, object]) -> T:
    do_something_with_a_tf_module(x)
    cls: Type[T] = type(x)  # 显式标注cls的类型
    new = cls.__new__(cls)
    memo[id(x)] = new  # 修正原代码里的self为x
    for name, value in x.__dict__.items():
        setattr(new, name, copy.deepcopy(value, memo))
    return new

这样Mypy就能正确识别到你是在调用类的__new__创建实例，匹配正确的重载。

2. 使用cast强制修正类型 #

如果显式注解觉得麻烦，可以用cast来告诉Mypycls的实际类型：

from typing import cast, TypeVar, Type, Dict
import tensorflow as tf
import copy

T = TypeVar("T", bound=tf.Module)

def my_copy(x: T, memo: Dict[int, object]) -> T:
    do_something_with_a_tf_module(x)
    cls = cast(Type[T], type(x))
    new = cls.__new__(cls)
    memo[id(x)] = new
    for name, value in x.__dict__.items():
        setattr(new, name, copy.deepcopy(value, memo))
    return new

3. 安装TensorFlow的类型存根 #

如果你的项目经常用到TensorFlow，最彻底的办法是安装官方的类型存根，让Mypy能识别tf.Module的正确类型：

pip install types-tensorflow

安装后，TypeVar("T", bound=tf.Module)会被Mypy正确处理，type(x)会自动推导为Type[T]，报错会自动消失，不需要额外的注解或cast。

补充说明 #

关于Mypy的__new__重载问题：确实，Mypy内置的type.__new__重载看起来和Python官方文档里的__new__不太一致——官方文档里__new__主要用来创建实例，但Mypy的重载更偏向动态类创建的场景。这其实不是Bug，而是Mypy对未类型化类的处理限制：当类没有类型注解时，Mypy无法知道它的__new__签名，只能 fallback 到type的通用重载。

内容的提问来源于stack exchange，提问作者joel