还在为Python的I/O瓶颈发愁吗？async-python-patterns Skill带你从入门到精通掌握asyncio、并发编程和async/await核心模式。

核心功能

这个Skill不是那种干巴巴的理论，而是一套可以直接抄作业的实战代码模式库。它覆盖了从入门到高阶的方方面面，让你彻底告别异步编程的混乱和低效。

• 并发执行与任务调度：还在用for循环一个一个请求接口？用asyncio.gather()模式，一次性并发执行海量任务，速度直接起飞。
• 优雅的错误与超时处理：异步任务最怕的就是某个任务失败或超时导致整个程序崩溃。内置的错误处理和超时控制模式，能让你的程序在面对异常时依然稳如泰山。
• 资源访问控制：需要限制API请求频率或者数据库连接数？Semaphore（信号量）模式帮你轻松实现速率控制，防止服务被瞬间打垮。
• 高级同步机制：在复杂的并发场景下，需要保护共享资源？asyncio.Lock模式确保数据在多任务访问时的一致性和安全性，避免竞态条件。
• 异步上下文与迭代：通过async with和async for，你可以用极其Pythonic的方式管理异步资源（如数据库连接）和处理异步数据流，代码优雅又健壮。
• 生产者-消费者模型：为解耦复杂的数据处理流程提供了经典解决方案，让数据生成和数据处理并行不悖，极大提升系统吞吐量。

适用平台

这个Skill简直是为现代AI编程助手量身打造的！它完美适配市面上所有主流的AI编程工具和IDE，包括Cursor、GitHub Copilot、Claude Code、OpenAI Codex、Gemini Code Assist、文心快码、腾讯云CodeBuddy以及华为云CodeArts等。你可以把它看作是这些AI助手的“最强外挂”。当你需要实现复杂的异步逻辑时，直接调用这个Skill，AI就能立刻理解你的意图，并基于这些经过验证的最佳实践模式，生成高质量、高性能的异步代码。这极大地增强了AI的上下文理解能力和代码生成质量，让你不再需要费力地向AI解释什么是事件循环、什么是任务取消。

实操代码示例

光说不练假把式，来看两个最常用的代码片段，感受一下它的威力。

场景一：并发获取多个用户数据

想象一下，你需要同时获取5个用户的信息，传统做法是循环5次，而用并发模式，时间仅取决于最慢的那一次请求。

import asyncionfrom typing import Listnnasync def fetch_user(user_id: int) -> dict:n    '模拟异步获取用户数据'n    await asyncio.sleep(0.5)n    return {'id': user_id, 'name': f'User {user_id}'}nnasync def fetch_all_users(user_ids: List[int]) -> List[dict]:n    '并发获取所有用户'n    tasks = [fetch_user(uid) for uid in user_ids]n    results = await asyncio.gather(*tasks)n    return resultsnnasync def main():n    user_ids = [1, 2, 3, 4, 5]n    users = await fetch_all_users(user_ids)n    print(f'Fetched {len(users)} users: {users}')nnasyncio.run(main())

场景二：限制API请求速率

当你需要调用一个有请求频率限制的API时，使用Semaphore可以轻松控制并发数，避免被封IP。

import asyncionfrom typing import Listnnasync def api_call(url: str, semaphore: asyncio.Semaphore) -> dict:n    '带有限流的API调用'n    async with semaphore:n        print(f'Calling {url}')n        await asyncio.sleep(0.5)  # 模拟API调用耗时n        return {'url': url, 'status': 200}nnasync def rate_limited_requests(urls