Python如何实现内联类型提示的运行时校验（兼容torchtyping场景）

方案1：使用typeguard内置的局部变量校验能力 #

typeguard 3.0及以上版本已经原生支持函数内局部变量的类型注解校验，只需要给@typechecked装饰器开启check_local_vars参数即可，完全符合你想要的隐式校验写法，不需要修改原有业务代码：

from typeguard import typechecked

def makes_float_or_tuple():
    # 模拟第三方返回值可能不符合预期的情况
    return (1.0, 2.0)

@typechecked(check_local_vars=True)
def does_something_interesting():
    x: float = makes_float_or_tuple()  # 此处会自动校验类型，不匹配直接抛出TypeError
    print(x)

运行上述代码会直接抛出错误提示x的类型不符合float的预期，不需要手动加断言。

方案2：适配PyTorch张量形状校验的场景 #

你使用torchtyping的场景下，直接用torchtyping自带的@typechecked装饰器即可，它原生支持TensorType注解的运行时校验，默认包含局部变量的形状校验逻辑，完美匹配你的需求：

from torchtyping import TensorType, typechecked
import torch

@typechecked
def interesting_reshaping_method(x: TensorType['batch', 'num_points', 'point_dim']):
    # 自动校验返回张量的形状是否匹配注解，写错dim/keepdim会立刻抛错，不会静默出错
    lengths: TensorType['batch', 'num_points', 1] = torch.norm(x, dim=2, keepdim=True)
    # 后续业务逻辑

补充说明 #

• 性能方面：运行时类型校验会有少量性能损耗，你可以在调试/测试环境开启校验，生产环境通过设置环境变量TYPEGUARD_DISABLE=1（typeguard）或者TORCHTYPING_DISABLE=1（torchtyping）全局关闭校验，完全不影响IDE的静态类型提示功能。
• 如果你确实想要自己实现类似装饰器，核心思路是通过AST解析目标函数的语法树，遍历所有带类型注解的赋值节点，在赋值语句后自动插入校验逻辑后重新编译函数即可，不过现有成熟库已经覆盖了绝大多数场景，不需要自行造轮子。

内容的提问来源于stack exchange，提问作者Marcel