Pyrefly v1.0: 為 Python 提供高效能的型別檢查器與語言伺服器

Python 生態系統長期以來一直在動態型別的靈活性與靜態分析的安全性之間尋求平衡。對於大規模生產環境而言，緩慢的型別檢查週期所產生的開銷可能會阻礙開發速度。這就是 Pyrefly 的用途，這是一款專為解決這些瓶頸而設計的開源型別檢查器與語言伺服器。

隨著 1.0 版本的發佈，Pyrefly 已從一個極具潛力的 beta 版本轉型為生產就緒的工具。Pyrefly 已被 Meta 的 Instagram、PyTorch、NumPy 和 JAX 等大型程式碼庫採用，旨在提供具備業界領先效能並與現代 Python 技術棧深度整合的無縫 IDE 體驗。

效能規模化

Pyrefly 的主要驅動力之一是速度。對於在單體儲存庫（monolithic repositories）中工作的開發者而言，型別檢查器在 IDE 中反映編輯內容所需的時間，可能決定了開發者是處於心流狀態還是受到令人沮喪的中斷。

自 beta 版本發佈以來，Pyrefly 的執行時間已大幅改善：

  • Full Type Checks: 在 PyTorch 程式碼庫上，完整檢查現在快了 34%。
  • Incremental Updates: 編輯器更新經歷了巨大的飛躍，速度提升了高達 125 倍。就實際應用而言，這意味著 PyTorch 的診斷結果現在只需 19 毫秒即可更新，而先前則需 2.4 秒。

為了維持這些增益並防止功能退化，團隊實施了一個開放的基準測試套件，每天追蹤 53 個熱門開源 Python 套件的執行時間與峰值記憶體使用量。雖然團隊專注於效率，但部分社群成員指出，在某些情境下記憶體使用量仍可能偏高，有使用者回報 RAM 使用量達到 2.5GB。

真實世界整合與生態系統支援

Pyrefly 的設計旨在融入現有的工作流程，而無需對專案的配置進行全面改寫。

IDE 與 CI 一致性

為了解决 CI 結果與編輯器診斷結果不一致的常見問題，Pyrefly 提供了一個統一的 CLI 工具與 IDE 擴充功能。它目前是 Open VSX 註冊表上下載量最高的擴充功能，並且正被整合進 AI 導向的 IDE 中作為預設語言伺服器。值得注意的是，Pyrefly 正與 Microsoft 合作，透過新的 Type Server Protocol (TSP) 為 Pylance 提供支援，讓使用者能夠在保留 Pylance 的 GitHub Copilot 整合能力的同時，利用 Pyrefly 的型別檢查引擎。

框架特定支援

意識到許多 Python 開開發者依賴強大的框架，Pyrefly 內建了對以下內容的支援：

  • Pydantic: 增強的模型驗證與欄位型別支援。
  • Django: 改進了模型欄位的自動完成與型別檢查。

靈活的採用路徑

Pyrefly 意識到為舊有程式碼庫（legacy codebase）添加型別是一項艱鉅的任務。它提供了幾種增量式採用的機制：

  1. Presets: 新使用者可以從「基礎預設值（basic preset）」開始，該預設值僅顯示高置信度的錯誤（例如語法錯誤與缺失的匯入），從而在初始設定時減少雜訊。
  2. Configuration Migration: Pyrefly 可以讀取現有的 Mypy 或 Pyright 配置，以自動匹配設定。
  3. Incremental Exclusion: 開發者可以使用 project_excludes 在 pyproject.toml 中隔離舊有程式碼，並僅對新模組進行型別檢查。 n4. Automated Inference: pyrefly infer 指令可以為未標註型別的函式生成草擬的型別註解，開發者隨後可以進行審查與合併。
  4. Progress Tracking: pyrefly report 工具提供型別註解與型別完整性的摘要，幫助團隊設定可衡量的改進目標。

展望未來：AI 與機器學習

Pyrefly 正將自己定位於所謂的「AI 原生時代」，專注於兩個實驗性前沿領域：

Tensor Shape Checking

機器學習開發中最持久的痛點之一是因張量（tensor）形狀不匹配而導致的執行期崩潰。Pyrefly 正在引入實驗性的支援來靜態追蹤張量維度。透過在註解中加入形狀資訊，Pyrefly 可以推斷出中間張量的形狀，並將其作為 inlay hints 在編輯器中顯示，從而在程式碼執行前就捕捉到不匹配的問題。

Agentic Workflows

隨著 AI agent 產生更多程式碼，對快速且可靠的驗證迴圈的需求變得至關重要。Pyrefly 的速度使其成為 agentic loops 中的驗證步驟理想的候選者，提供一種程式化的方式，讓 AI agent 能夠在將結果呈現給人類開發者之前，先根據型別規範來驗證其自身的輸出。

結論

Pyrefly v1.0 代表了 Python 靜態分析的一個重要進步。透過優先考慮效能與 IDE 整合，它已超越了單純的錯誤查找器，成為開發者生產力套件的核心部分，特別是對於那些管理著大規模 ML 與生產系統複雜性的開發者而言。

Sources