pydantic-models-py
Générer des modèles Pydantic avec le pattern multi-modèle
Définissez des schémas d'API cohérents sans code boilerplate manuel. Cette compétence génère des modèles Pydantic structurés suivant des patterns établis pour la validation des requêtes, les réponses et l'intégration aux bases de données.
Télécharger le ZIP du skill
Importer dans Claude
Allez dans Paramètres → Capacités → Skills → Importer un skill
Activez et commencez à utiliser
Tester
Utilisation de "pydantic-models-py". User entity with id, name, email, created_at fields
Résultat attendu:
Generated UserBase, UserCreate, UserUpdate, UserResponse, and UserInDB model classes with proper Field definitions, type annotations, and Config class for alias handling
Utilisation de "pydantic-models-py". Project model requiring camelCase API compatibility
Résultat attendu:
Models with Field aliases (workspaceId, createdAt) that accept both naming conventions while using Pythonic snake_case internally
Audit de sécurité
SûrAll 21 static analysis findings are false positives. The scanner misidentified Markdown code block backticks as shell execution, and documentation references to HTTP/cryptography as actual code. SKILL.md is pure documentation with Python code examples for Pydantic model patterns. No executable code, network calls, or security risks detected.
Score de qualité
Ce que vous pouvez construire
Définition de schéma API REST
Définissez les modèles de requête/réponse pour les endpoints FastAPI ou Flask avec des patterns de validation cohérents.
Modélisation de documents de base de données
Créez des variantes de modèle InDB avec des champs doc_type pour le stockage de documents Cosmos DB ou MongoDB.
Synchronisation de contrat frontend-backend
Générez des modèles Python et des types TypeScript correspondants pour assurer la cohérence du contrat d'API.
Essayez ces prompts
Create Pydantic models for a User entity with fields: id (string), name (string, required), email (string with email validation), created_at (datetime). Use the multi-model pattern with Base, Create, Update, and Response variants.
Generate Pydantic models for a Project entity. All fields should accept both snake_case and camelCase using Field aliases. Include workspace_id, project_name, and is_active fields.
Create complete Pydantic models for a Document entity including InDB variant with doc_type field. Add min_length validation on name and optional description field for updates.
Build Pydantic models for an Order entity with nested line_items array. Each line item has product_id, quantity, and price. Create full multi-model pattern with validation constraints on all fields.
Bonnes pratiques
- Séparez toujours les modèles Create et Update - Create requiert tous les champs, Update rend tous les champs optionnels pour la sémantique PATCH
- Utilisez Field avec default=None explicite pour les champs optionnels de mise à jour afin de distinguer entre null et non défini
- Activez populate_by_name = True dans la classe Config pour accepter à la fois snake_case et camelCase depuis les clients API
Éviter
- Ne réutilisez pas la même classe de modèle pour les corps de requête et les documents de base de données - la séparation empêche la fuite de données
- Évitez de mettre de la logique métier dans les classes de modèle - gardez-les comme purs schémas de données avec validation uniquement
- N'omettez pas doc_type dans les modèles InDB lors de l'utilisation de Cosmos DB - les requêtes échoueront sans filtrage de type approprié