FastAPI 学习路径的收尾测验覆盖 REST API、Pydantic 模型、异步端点和 Jinja2 模板。与其只记住装饰器名称，不如把这些能力放进同一个可运行的小项目：接收结构化数据、执行校验、提供异步接口，并渲染一个简单页面。
真正需要掌握的四层能力
FastAPI 的开发体验很轻快，但一个可靠接口仍然包含多个层次：
- 路由层决定 HTTP 方法、路径参数、查询参数和状态码。
- 模型层使用 Pydantic 校验输入，并约束输出结构。
- 执行层区分同步与异步工作，避免在
async def中阻塞事件循环。 - 展示层可以返回 JSON，也可以通过 Jinja2 输出服务端渲染的 HTML。
测验题往往能检查语法，而项目更容易暴露边界问题。例如，请求体缺少字段时是否返回清晰的错误？查询不存在的资源时是否使用 404？异步端点内部是否偷偷调用了阻塞函数？
一个可运行的自测项目
可以这样实践：构建一个内存版测验服务。下面的项目假设使用 Python 3.10 或更高版本。
先创建目录并安装依赖：
mkdir -p fastapi-quiz/templates
cd fastapi-quiz
python -m venv .venv
source .venv/bin/activate
python -m pip install fastapi 'uvicorn[standard]' jinja2
创建 app.py：
import asyncio
from typing import Annotated
from fastapi import FastAPI, HTTPException, Query, Request
from fastapi.responses import HTMLResponse
from fastapi.templating import Jinja2Templates
from pydantic import BaseModel, Field
app = FastAPI(title="FastAPI Skills Check")
templates = Jinja2Templates(directory="templates")
class QuizAnswer(BaseModel):
question_id: int = Field(gt=0)
answer: str = Field(min_length=1, max_length=100)
class QuizResult(BaseModel):
question_id: int
correct: bool
normalized_answer: str
ANSWER_KEY = {1: "pydantic", 2: "async", 3: "jinja2"}
@app.get("/", response_class=HTMLResponse)
async def home(request: Request):
return templates.TemplateResponse(
request=request,
name="index.html",
context={"question_count": len(ANSWER_KEY)},
)
@app.post("/answers", response_model=QuizResult, status_code=201)
async def submit_answer(payload: QuizAnswer) -> QuizResult:
expected = ANSWER_KEY.get(payload.question_id)
if expected is None:
raise HTTPException(status_code=404, detail="Question not found")
await asyncio.sleep(0.05) # 模拟异步数据库或网络调用
normalized = payload.answer.strip().lower()
return QuizResult(
question_id=payload.question_id,
correct=normalized == expected,
normalized_answer=normalized,
)
@app.get("/questions")
async def list_questions(
limit: Annotated[int, Query(ge=1, le=20)] = 10,
):
questions = [
{"id": 1, "prompt": "Which library validates FastAPI models?"},
{"id": 2, "prompt": "Which keyword defines a coroutine?"},
{"id": 3, "prompt": "Which template engine is commonly paired here?"},
]
return {"items": questions[:limit], "count": min(limit, len(questions))}
再创建 templates/index.html：
<!doctype html>
<html lang="zh-CN">
<head>
<meta charset="utf-8">
<title>FastAPI Skills Check</title>
</head>
<body>
<h1>FastAPI Skills Check</h1>
<p>当前共有 {{ question_count }} 道题。</p>
<p><a href="/docs">打开交互式 API 文档</a></p>
</body>
</html>
启动服务：
uvicorn app:app --reload
打开 http://127.0.0.1:8000/ 可查看模板页面，打开 /docs 则可以直接试验请求模型和接口响应。
不只测试成功路径
用 curl 提交正确答案：
curl -i -X POST http://127.0.0.1:8000/answers \
-H 'Content-Type: application/json' \
-d '{"question_id":1,"answer":"Pydantic"}'
随后故意提交非法数据：
curl -i -X POST http://127.0.0.1:8000/answers \
-H 'Content-Type: application/json' \
-d '{"question_id":0,"answer":""}'
第二个请求应被 Pydantic 拒绝。这里值得观察的不只是状态码，还包括错误响应能否准确指出 question_id 和 answer 的约束问题。再把题号换成 99，则应由业务逻辑返回 404。这两类失败分别属于输入校验和资源不存在，不应混成同一种错误。
async def 不等于自动高并发
异步端点适合等待支持异步协议的数据库驱动、HTTP 客户端或消息系统。示例中的 asyncio.sleep() 只是可运行的延迟模拟。生产代码不能把 time.sleep()、同步 HTTP 请求或重型 CPU 计算直接塞进异步端点，否则事件循环仍会被阻塞。
如果依赖库只有同步 API，可以暂时使用普通 def 路由，让 FastAPI 在线程池中执行它；如果是大量 CPU 计算，则更适合任务队列或独立计算服务。选择 async def 的依据应是调用链是否真正支持异步，而不是接口看起来是否“现代”。
收尾检查清单
准备把 FastAPI 服务投入真实环境前，可以检查以下项目：
- 请求与响应是否分别定义了明确的 Pydantic 模型。
- 路径、HTTP 方法和状态码是否符合资源语义。
404、校验失败和内部错误是否能被区分。- 异步端点中是否存在阻塞 I/O 或 CPU 密集任务。
- Jinja2 模板是否只接收必要数据，并保持默认转义策略。
- 核心接口是否覆盖成功路径、非法输入和不存在资源。
这类综合练习的价值不在于把所有 FastAPI 功能堆进一个文件，而在于确认每一层职责都清楚。掌握这些边界后，再接入数据库、认证和后台任务，系统仍然容易理解和测试。