如何合并SQLModel与Pydantic宠物模型并区分来源，避免冗余存储？

核心思路是把鉴别器字段只放在Pydantic Schema层，不需要在SQLModel数据库模型中添加，避免数据库冗余。通过将SQLModel实例转换为对应Pydantic Schema时自动注入类型标识，实现API返回数据的类型区分。

步骤1：定义无冗余字段的SQLModel数据库模型 #

保持数据库模型简洁，不需要添加type这类标识字段：

from sqlmodel import SQLModel, Field

class Dog(SQLModel, table=True):
    id: int | None = Field(default=None, primary_key=True)
    name: str
    breed: str  # 狗独有的属性

class Cat(SQLModel, table=True):
    id: int | None = Field(default=None, primary_key=True)
    name: str
    favorite_toy: str  # 猫独有的属性

步骤2：带鉴别器的Pydantic Schema设计 #

定义父类Schema并指定鉴别器字段，子类Schema固定type字段值，实现类型区分：

from pydantic import BaseModel
from typing import Literal, Union

# 父类Schema，指定鉴别器为type字段
class Pets(BaseModel):
    type: str
    name: str

    model_config = {"discriminator": "type"}

# 狗的Schema，固定type为dog
class DogSchema(Pets):
    type: Literal["dog"] = "dog"
    breed: str

# 猫的Schema，固定type为cat
class CatSchema(Pets):
    type: Literal["cat"] = "cat"
    favorite_toy: str

步骤3：FastAPI接口中转换并合并数据 #

查询数据库后，将SQLModel实例转换为对应Pydantic Schema（自动带上type字段），再合并返回：

from fastapi import FastAPI
from sqlmodel import Session, create_engine, select

engine = create_engine("sqlite:///pets.db")
app = FastAPI()

@app.get("/pets", response_model=list[Union[DogSchema, CatSchema]])
def get_all_pets():
    with Session(engine) as session:
        # 查询所有狗和猫
        dogs = session.exec(select(Dog)).all()
        cats = session.exec(select(Cat)).all()

        # 转换为对应的Pydantic Schema，自动注入type字段
        dog_schemas = [DogSchema.from_orm(dog) for dog in dogs]
        cat_schemas = [CatSchema.from_orm(cat) for cat in cats]

        # 合并后返回
        return dog_schemas + cat_schemas

方案优势 #

1. 无数据库冗余：鉴别器字段仅存在于API返回的序列化数据中，不影响数据库表结构。
2. 类型安全：通过Literal固定类型值，避免手动赋值错误；FastAPI会自动校验返回数据的类型。
3. 友好的API文档：FastAPI会基于鉴别器生成清晰的OpenAPI文档，前端可以根据type字段轻松区分宠物类型。

内容的提问来源于stack exchange，提问作者ikreb