Новый инструмент Meta устраняет задержки в Python

Разработчики на Python знают это чувство: вы останавливаетесь на полуслове, потому что ваш редактор все еще не успевает за вами. Автозаполнение заикается, ошибки типов появляются с задержкой в несколько секунд, а функция "перейти к определению" зависает на больших проектах. На масштабе Meta — только Instagram охватывает миллионы строк кода на Python — существующие инструменты, такие как Pyre, просто перестали успевать.

Ответ Meta — это Pyrefly, новый тип проверщика и сервер языка, созданный для того, чтобы устранить задержки. Вместо того чтобы рассматривать обратную связь как фоновую задачу, Pyrefly воспринимает каждый нажатие клавиш как событие, требующее немедленного реагирования. Обещание: анализ достаточно быстрый, чтобы ваш редактор ощущался локальным, даже когда ваша кодовая база выглядит как небольшая операционная система.

Meta поставила амбициозную цель для Pyrefly: проверка типов на каждом нажатии клавиши в многомиллионных репозиториях. Внутренние тесты показывают, что Pyrefly анализирует около 1.8 миллиона строк Python в секунду на оборудовании Meta, что позволяет повторно проверить весь код Instagram примерно за 13.4 секунды. В сравнении с открытыми проектами, он обрабатывает PyTorch за 2.4 секунды, в то время как Pyright - за 35.2 секунды, а MyPy - за 48.1 секунды.

Эта скорость меняет то, что разработчики ожидают от своих инструментов. Вместо того чтобы сохранить файл, запустить отдельную проверку и ждать стену диагностики, Pyrefly передает результаты непосредственно в редактор по мере ввода. Подсказки при наведении, встроенные подсказки и навигация исходят из одного и того же высокоскоростного движка, поэтому нет несоответствия между тем, что показывает ваша IDE, и тем, что требует ваш CI-пайплайн.

Замедленная обратная связь требует реактивного рабочего процесса: написать множество кода, запустить проверки, а затем возвращаться к множеству ошибок. Pyrefly превращает это в проактивный цикл, в котором проблемы возникают в тот же момент, когда они появляются. Подсказки типов, проблемы импорта и даже сложные неудачи вывода появляются достаточно рано, чтобы восприниматься как часть редактирования, а не отдельная фаза контроля качества.

Создавая Pyrefly как унифицированный языковой сервер и CLI, Meta делает эту модель мгновенной обратной связи последовательной повсюду. Один и тот же движок обеспечивает работу VS Code, PyCharm, Neovim, Jupyter и безголовых проверок в CI. Для команд, работающих с Python и утопающих в медленных инструментах, заявление грубое: ваш редактор больше не должен быть узким местом.

Pyrefly приходит как гибрид: молниеносно быстрый статический анализатор типов, совмещенный с полноценным языковым сервером в одном пакете на Rust. Вместо того, чтобы прикреплять анализатор типов к плагину редактора, Meta создала единый механизм, который обрабатывает анализ типов в реальном времени, автозаполнение, навигацию и рефакторинг на миллионах строк кода. Этот же механизм способен сканировать 1,8 миллиона строк Python в секунду по внутренним тестам Meta.

Единый дизайн означает, что ваш интерфейс командной строки и ваш редактор говорят на одном языке. Запустите `pyrefly check` в CI, а затем откройте тот же проект в VS Code, PyCharm, Neovim или Cursor, и вы получите идентичную диагностику, идентичное выведение типов, идентичное разрешение импортов. Больше не будет "CI говорит, что это сломано, мой редактор говорит, что всё в порядке" или наоборот.

Этот общий интеллект управляет всем, от мгновенного «перейти к определению» до автоматического обновления импортов при переименовании файла. Переименуйте основной модуль в огромном монорепозитории, и Pyrefly последовательно обновит импорты, независимо от того, приходит ли изменение из быстрого исправления в вашей IDE или из скриптовой рефакторинга через CLI. Этот инструмент рассматривает вашу кодовую базу как единую, целостную графовую структуру, а не два отдельных мира «функций редактора» и «пакетной проверки».

Большинство современных установок Python выглядят совершенно иначе. Типичный стек может сочетать в себе: - MyPy или Pyright для проверки типов - Отдельный LSP, такой как pyright-langserver или pylsp - Плагины, специфичные для редакторов, с их собственной логикой индексирования

Каждый уровень сохраняет свой собственный кэш, свое понимание импортов и свое представление о том, что считается ошибкой. Эта фрагментация объясняет, почему автозаполнение может отставать, навигация может давать сбои, а CI может обнаруживать проблемы, которые ваш редактор тихо игнорирует.

Унифицированный движок Pyrefly устраняет эти противоречия. Умное определение корня импорта, автоматическое обнаружение библиотек site-packages и приоритизация заглушек проходят через один детерминированный процесс. Разработчики получают единственный источник правды для типов и символов, независимо от того, работают ли они в блокноте Jupyter, делают коммит из терминала или ищут ошибку глубоко в коде масштаба Instagram.

1,8 миллиона строк в секунду звучит как маркетинговый трюк, пока не переведешь это на реальные рабочие нагрузки. На такой скорости проверяющее устройство может повторно проанализировать сервис из 100,000 строк всего за 0,06 секунды, что с человеческой точки зрения практически мгновенно. Если масштабировать это до внутренних стандартов Meta, Pyrefly обрабатывает код Instagram за 13,4 секунды, в то время как старой версии Pyre требовалось более 100 секунд.

Сравнительные показатели по публичным проектам делают эту разницу труднее игнорировать. В PyTorch Pyrefly завершает полную проверку типов за 2,4 секунды, в то время как Pyright занимает 35,2 секунды, а MyPy достигает 48,1 секунды. Это не незначительная победа; это более чем порядковое ускорение по сравнению с инструментами, которые многие команды уже считают «достаточно быстрыми».

Скорость обработки имеет значение, потому что движок Pyrefly работает на каждом нажатии клавиши, а не только при ручных вызовах. Когда проверка типов может обрабатывать миллионы строк в секунду, ваш редактор может позволить себе постоянно перезапускать анализ без задержек. Обычный ритм «сохранить и ждать линтер» сводится к тесной петле обратной связи, где ошибки, предупреждения и встраиваемые подсказки обновляются так же быстро, как подсветка синтаксиса.

Обратная связь в реальном времени изменяет способ, которым вы пишете код. Переименуйте модель, и импорты обновятся без задержек; прыгните к определению, захороненному глубоко в многопапочной структуре, и навигация будет ощущаться как прыжок внутри одного файла. Эта отзывчивость позволяет вашему умственному представлению оставаться активным, вместо того чтобы заставлять вас переключаться между контекстами каждый раз, когда инструменты зависают.

Разработчики с небольшими проектами часто предполагают, что эти преимущества имеют значение только на масштабах Meta. Но скорость Pyrefly выгодна как 5000-строчному хобби-приложению, так и миллионной монолитной системе, переводя проверки из режима "пакетной обработки" в "рефлекс фона". Даже на скромном оборудовании та же архитектура, которая разрушает временные показатели PyTorch, превращает рутинные рефакторинги и Exploratory правки в операции с низким трением.

Быстрая проверка типов также позволяет обнаруживать ошибки на более ранних этапах жизненного цикла. Ошибочно введенные модели Pydantic, сломанные связи Django ORM или некорректные формы массивов NumPy проявляются, пока вы все еще находитесь в файле, который их создал, а не через несколько минут в логе CI. Для более глубокого погружения в дизайн и контрольные показатели команда Meta документирует систему на **Pyrefly: Быстрый проверщик типов Python и сервер языка**, включая аппаратную настройку, стоящую за этими 1,8 миллиона строк в секунду.

Скорость меняет то, как Python ощущается под вашими пальцами. С Pyrefly, интегрированным в ваш редактор, автозаполнение перестает вести себя как сетевой запрос и начинает работать как локальный ввод. Цель Meta "проверка типов на каждом нажатии клавиши" напрямую переводится в предложения, которые появляются так же быстро, как вы можете набирать, даже в кодовых базах, насчитывающих миллионы строк.

Традиционные расширения для VS Code часто зависают на 200–500 мс, когда проект становится больше, что делает автозаполнение медленным и ненадежным. Pyrefly использует свой движок, способный обрабатывать 1,8 миллиона строк в секунду, для почти мгновенного перерасчета контекста, так что автозаполнения остаются точными, пока вы быстро перемещаетесь между файлами, ветками или виртуальными окружениями. Никакой задержки на начальном этапе, никакого баннера «индексация…», только живые результаты.

Навигация получает такое же обращение. Нажмите «перейти к определению» на символе, скрытом за тремя уровнями реэкспортов и условных импортов, и Pyrefly сразу же разрешит его, используя свой умный механизм разрешения импортов. Он отслеживает корни импортов, пакеты сайта, приоритеты заглушек и детерминированный порядок поиска, чтобы ваш курсор оказался на правильном файле, а не на случайной догадке `__init__.py`.

Большие, неаккуратные репозитории обычно сначала нарушают навигацию: множество папок, сторонние библиотеки, смешанные инструменты, полухарakterные устаревшие модули. Унифицированный движок Pyrefly поддерживает единственное и целостное представление графа проекта, поэтому переход от представления Django к модели Pydantic или функции утилиты с тяжелым использованием NumPy ощущается мгновенно. Разработчики получают навигацию уровня IDE, независимо от того, работают ли они в VS Code, PyCharm, NeoVim или Cursor.

Скрытая неожиданная победа в производительности заключается в операциях переименования. Переименуйте или переместите файл Python, и автоматические обновления импорта от Pyrefly охватят ваш проект и перепишут каждое затронутое оператор импорта. Это включает в себя глубокие пути пакетов, относительные импорты и ссылки между пакетами, которые обычно требуют хрупкого поиска и замены.

На среднем сервисе с 200–300 файлами Python одно переименование может привести к ошибкам импорта в десятках модулей. Pyrefly превращает это в одношаговую рефакторинг: переименуйте, следите за обновлением импортов, продолжайте писать код. Меньше неожиданностей с `ImportError`, меньше полуработающих веток и значительно меньше времени, потраченного на ручную очистку после «просто организации некоторых файлов».

Совместные функции автозаполнения без задержек, мгновенной навигации и безопасного переименования делают Pyrefly менее похожим на фоновый линтер и больше на всегда готового помощника. Заголовок о производительности — 1,8 миллиона строк в секунду — важен здесь не как демонстрация возможностей, а как причина, по которой эти функции остаются быстрыми под реальным, сложным производственным кодом.

Pyrefly не только обрабатывает 1,8 миллиона строк в секунду, но и тихо выполняет обратное проектирование вашей кодовой базы. Сильное выведение типов означает, что он может разобраться в десятилетнем, не аннотированном Python и по-прежнему предоставлять точные типы для переменных, атрибутов и возвращаемых значений. Устаревшие модули, которые никогда не слышали о `typing`, внезапно оживают с подсказками и точным автозаполнением.

Это понимание достаточно глубокое, чтобы обеспечить рефакторинг. Переименуйте функцию в файле без типов, и Pyrefly все равно сможет отслеживать, где она используется, потому что его внутренний модель рассматривает «отсутствие аннотаций» как головоломку, а не как состояние неудачи. Вы получаете большинство преимуществ строгой типизации без многоступенчатой трудоемкости аннотирования.

Осознанное сужение потока — это то, где Pyrefly начинает ощущаться как человек-рецензент, который никогда не забывает контекст. Напишите проверку `isinstance(user, Admin)`, и всё в этом условии автоматически сужает `user` до Admin без дополнительных вызовов `cast()` или комментариев. Как только контрольный поток подтверждает тип, Pyrefly сохраняет этот факт через циклы, ранние возвраты и вложенные условия.

Это сужение также предотвращает загрязнение типов, когда ветви кода снова сходятся. Если один путь гарантирует ненулевое значение, Pyrefly прекращает напоминать вам о доступе к `Optional` в этом регионе, при этом все равно предостерегает вас в менее безопасных ветках. Результат: меньше ложных ошибок, больше внимания к реальным ошибкам.

Сообщения об ошибках получают такое же обращение: меньше языка компилятора, больше наставлений редактора. Вместо «несовместимые типы в присваивании» Pyrefly объясняет: «ожидался list[str], получен list[int] из `parse_ids()`», часто с выделением точного выражения. Для цепочек вызовов он указывает на неудавшуюся операцию и предлагает недостающую аннотацию или приведение типа, которые могли бы это исправить.

Контекстно-обогащённая диагностика имеет значение на масштабе Meta. Когда вы переходите между сервисами, Pyrefly может сообщить вам, что несоответствие вызвано устаревшей моделью Pydantic или полем Django ORM, изменение типа которого произошло три коммита назад. Такой тип «крошек» превращает то, что раньше занимало 30 минут поиска виноватого, в исправление за 30 секунд.

Осведомленность о библиотеке — это то место, где Pyrefly перестает быть просто универсальным инструментом и начинает ощущаться как родной элемент экосистемы. Встроенные заглушки для Django ORM, Pydantic v2 и NumPy обеспечивают почти 90% полноты типов, так что ваши автозаполнение и подсказки понимают querysetы, валидаторы и формы ndarray. Вместо того, чтобы погружать вас в «отсутствие информации о типах», Pyrefly ведет себя так, как будто он прочитал те же документы по фреймворку, что и вы, только более внимательно.

Rust находится в центре истории о скорости Pyrefly. Meta полностью переписала свой проверщик типов Python на Rust, отказавшись от старого проверщика Pyre на основе OCaml, чтобы извлечь каждую микросекунду задержки. Этот переход на другой язык открывает доступ к тому уровню исходной производительности, который необходим для обработки 1,8 миллиона строк кода в секунду, не перегревая ноутбуки.

Низкоуровневый контроль и безстоимостьные абстракции Rust помогают Pyrefly работать практически на уровне аппаратного обеспечения, сохраняя гарантии безопасности памяти. Отсутствие сборщика мусора означает отсутствие неожиданных пауз в самый неподходящий момент, когда ваша IDE запрашивает автозаполнение или "перейти к определению". Кроссплатформенная поддержка и современный инструментарий позволяют Meta поставлять тот же высокопроизводительный движок на серверы разработки Linux, ноутбуки macOS, настольные ПК Windows и даже WebAssembly для демонстраций в браузере.

Под капотом, Pyrefly не просто проверяет ваш весь проект при каждом редактировании. Индивидуальный инкрементный вычислительный движок отслеживает детализированные зависимости между файлами, символами и типами, а затем пересчитывает только то, что было недействительным из-за одного нажатия клавиши. Эта разработка превращает «проверку типов при каждом нажатии клавиши» из маркетингового текста в нечто, что на самом деле работает в монорепозиториях масштаба Instagram.

Этот инкрементальный ядро управляет всем, что делает уровень IDE. Авто завершение, всплывающие подсказки, подсказки встроенных элементов и семантическое выделение используют один и тот же кэшированный анализ, поэтому ответы приходят за миллисекунды вместо секунд. CLI использует тот же самый движок, что означает, что `pyrefly check` и ваш редактор разделяют один согласованный, агрессивно оптимизированный вид вашего кода.

Rust тихо становится стандартом для высокопроизводительных инструментов Python. Ruff использует Rust для обеспечения молниеносного линтинга, а Ty (экспериментальный основанный на Rust проверщик типов от сообщества Python) продвигает выразительность системы типов. Pyrefly занимает более высокую позицию, предлагая полноценное решение: объединённый IDE + CLI мозг, а не однопurpose линтер или проверщик.

Блог по инженерии Meta, Представляем Pyrefly: новый типовой проверщик и опыт IDE для Python, четко формулирует стратегию: Rust для производительности, инкрементальные алгоритмы для отзывчивости и один движок для управления интеграцией редактора и пакетными проверками.

Команды Python, уже работающие с MyPy или Pyright, обычно сталкиваются с одной и той же проблемой: страх миграции. Ответ Pyrefly — одна команда. Запустите `pyrefly init` в вашем репозитории, и он сразу начнёт анализировать вашу существующую настройку, вместо того чтобы навязывать конфигурацию с нуля.

Под капотом `pyrefly init` сканирует файлы `mypy.ini`, `pyproject.toml`, `mypy.cfg`, `pyrightconfig.json` и другие знакомые файлы. Он считывает ваши текущие настройки диагностики, включая уровни строгости, включенные/выключенные проверки и пользовательские плагины, а затем отображает их на собственную модель конфигурации Pyrefly.

Крайне важно, что Pyrefly не выбрасывает все ваши упорные усилия по подавлению шума. Он импортирует подавленные коды ошибок, шаблоны игнорирования для каждого файла и переопределения на уровне директорий, так что вы сохраняете тот же профиль «сигнал против шума», который настраивали в течение месяцев сбоев CI. Существующие комментарии в стиле `# type: ignore` и `# pyright: ignore` по-прежнему имеют смысл в мире Pyrefly.

Правила выбора файлов тоже мигрируют. Pyrefly отражает ваши шаблоны включения/исключения для `tests/`, `build/`, `venv/`, генерируемого кода и сторонних библиотек, так что он не начнёт проверять типы половины вашего эквивалента `node_modules`. Если ваш монорепозиторий использует несколько корней или вложенные конфигурации, Pyrefly фиксирует эти границы, а не упрощает всё.

Постепенное внедрение находится в центре дизайна. Команды могут начать с того, чтобы использовать Pyrefly только для нескольких ценных пакетов и расширять охват по мере устранения проблем, а не включать весь репозиторий с первого дня.

Чтобы обеспечить безопасность, Pyrefly опирается на базовые линии. Вы можете создать снимок всех текущих ошибок в файл базовой линии, рассматривать его как «известный долг» и не допускать сбоя CI только из-за новых регрессий. Со временем удаление частей этой базовой линии станет измеримой вехой для рефакторинга.

Инлайн-игнорирования и частичные включения проектов завершают историю. Вы можете отключить действительно неустранимые элементы в устаревшем коде, оставить экспериментальные директории по желанию, и при этом получать молниеносные, на уровне IDE, отзывы везде остальном.

Фреймворки Python обычно превращают проверки типов в кашу; Pyrefly относится к ним как к объектам первого класса. Meta напрямую интегрировала свой новый движок в ORM Django и Pydantic v2, так что он видит ваше приложение не просто как набор файлов `.py`, а как граф моделей, полей, валидаторов и наборов запросов, о которых он может рассуждать в реальном времени.

Пользователи Django ощущают это в первую очередь. Когда вы пишете `MyModel.objects.filter(user__email__icontains="meta.com")`, Pyrefly отслеживает тип элемента queryset на протяжении всего процесса: `.filter()`, `.select_related()`, `.values_list()`, благодаря чему автозаполнение при цепочках вызовов остается точным, а не сводится к `Any`. Переход по определению приводит к фактическому полю модели или методу менеджера, даже в обширных проектах с несколькими приложениями, поскольку его резольвер импортов понимает структуру приложений Django и динамическую загрузку моделей.

Поддержка Pydantic v2 выходит за рамки простого "знания имени класса". Pyrefly понимает конфигурации `BaseModel`, декораторы `field_validator` и `model_validator`, обобщения, такие как `BaseModel[T]`, и сложные вложенные схемы. Это означает точные типы для `model.model_dump()`, `parse_obj_as()`, или модель ответа в стеке в стиле FastAPI, с всплывающими подсказками, которые показывают окончательный конкретный тип вместо обобщенного заполнителя.

Научные стеки Python обычно находятся в слепой зоне системы типов, но Pyrefly поставляется с заглушками NumPy, обеспечивающими почти 90% полноты типов. Когда вы обрезаете `ndarray`, вызываете `np.stack` или делаете выполнение форм в коде линейной алгебры, движок отслеживает dtypes и размеры достаточно тщательно, чтобы обеспечить значимое автозавершение и выявить явное неправильное использование. Дата-учёные получают реальную статическую проверку в аналитических блокнотах, а не стену `Any`.

Поддержка Jupyter Notebooks превращает все это в нечто, родное для блокнотов, а не в побочный эффект. Pyrefly поддерживает живую модель блокнота по всем ячейкам, поэтому переименование модели Pydantic или вспомогательной функции Django обновляет ссылки везде, а навигация работает даже тогда, когда определения находятся в предыдущих ячейках. В сочетании с его ядром, способным обрабатывать 1,8 миллиона строк в секунду, это означает, что пользователи блокнотов наконец получают обратную связь уровня IDE, не отказываясь от своего рабочего процесса Jupyter.

Бета-метка или нет, Pyrefly уже выглядит как серьезный претендент для повседневной работы. Meta использует его внутренне на уровне Instagram, и сторона IDE в стеке явно готова к производству, даже несмотря на то, что основной типизатор все еще находится в бета-версии.

Идеальные ранние последователи попадают в несколько четких категорий. Если вы работаете в среднем или большом коде на Python, используете VS Code или PyCharm и чувствуете каждую миллисекунду задержки автозавершения, Pyrefly нацеливается непосредственно на вас.

Команды, которые активно используют подсказки типов, также однозначно относятся к лагерю “устанавливать сейчас”. Так поступают и компании, работающие с Django и Pydantic, где глубокое понимание Django ORM и Pydantic v2 от Pyrefly, а также ~90% покрытие заглушками NumPy, приводят к более точным ошибкам и более богатой навигации, чем у универсальных проверок типов.

Хорошими кандидатами являются разработчики, которые: - Поддерживают много-модульные монолиты или обширные репозитории микросервисов - Уже используют MyPy или Pyright в CI, но ненавидят медленную обратную связь в редакторе - Ежедневно работают с Django, Pydantic v2 или библиотеками, насыщенными данными

Осторожность имеет смысл, если вы находитесь на передовом крае типизации. Активные пользователи нишевых или экспериментальных функций — экзотических конструкций `typing_extensions`, хитростей с протоколами или пользовательских хуков плагинов — могут столкнуться с проблемами, пока Meta завершает полную реализацию спецификации типизации.

Вы также можете подождать, если ваша текущая настройка MyPy или Pyright кажется идеальной и полностью охватывает специализированные библиотеки. Библиотека Pyrefly расширяется еженедельно, но если вы зависите от малоизвестных внутренних инструментов или нетипизированных SDK от поставщиков, возможно, вы предпочтете дождаться одного-двух релизов, прежде чем переключать всю вашу организацию.

Быстрая итерация подкрепляет заявления Meta. С момента начала альфа-тестирования Pyrefly было устранено более 350 ошибок, соответствие спецификации увеличилось с 39% до 70%, а также была проведена непрерывная оптимизация производительности и потребления памяти.

Для интеграции редактора дело гораздо проще: рассматривайте расширение Pyrefly как готовое уже сегодня. Плагин VS Code на Pyrefly - Python Language Tooling - Visual Studio Marketplace поставляется с тем же ультра-быстрым движком, который поддерживает собственные рабочие процессы Meta.

Если любопытство побеждает осторожность, начните с малого. Внедрите Pyrefly в побочный проект, пусть он автоматически мигрирует вашу конфигурацию MyPy и посмотрите, заслуживает ли мозг, работающий со скоростью 1,8 миллиона строк в секунду, постоянного места в вашем инструменте.

Будущее Python выглядит гораздо более определённым, чем его "делай что хочешь" прошлое, и Pyrefly — одна из основных причин этого. Meta не выпускает игрушку; они представляют движок, который уже поддерживает обширный стек Python в Instagram, а затем открывают его исходный код. Инструмент, способный обрабатывать 1,8 миллиона строк в секунду на 166 ядрах, обеспечивая при этом обратную связь в реальном времени для редакторов, ясно указывает, в каком направлении движется серьёзная разработка на Python.

Дорожная карта Meta укрепляет этот сигнал. Команда активно работает над реализацией полной спецификации типизации, стремясь повысить соответствие с текущих ~70% до 100%, чтобы обрабатывать крайние случаи дженериков и экзотические протоколы именно так, как описывают PEP. Они также настраивают инкрементальные проверки, чтобы сделать их еще быстрее, что имеет большее значение, чем основной бенчмарк, когда вы находитесь в постоянно меняющемся монорепозитории.

Поддержка фреймворков станет более активной, а не менее. Сегодня Pyrefly поставляет глубокие интеграции для Django ORM, Pydantic v2 и NumPy с примерно 90% полнотой типов; план Meta добавляет: - Ещё более глубокое понимание Django и Pydantic - Больше первоклассных заглушек для популярных библиотек - Умный анализ специфичных для фреймворков паттернов и метапрограммирования

Работа с производительностью — это не только скорость. Meta четко выделяет снижение использования памяти как ближайшую цель, что крайне важно при запуске десятков параллельных проверок в CI или на ноутбуках с ограниченными ресурсами. Стабильный релиз v1 уже на горизонте, поскольку они устраняют крайние случаи и укрепляют движок, превосходя текущую бета-версию, в которой уже исправлено более 350 ошибок.

С философской точки зрения, Pyrefly превращает инструменты Python из «налога» в «турбонаддув». Традиционные проверщики типов часто ассоциируются с соблюдением норм: медленные задачи CI, шумные отчеты об ошибках и конфигурации, к которым вы обращаетесь только в случае поломки. Pyrefly, наоборот, ведет себя как сопроводитель — мгновенная навигация, автоматические обновления импортов при переименовании и вывод типов в редакторе, что делает неп Typed код старого образца современным.

С развитием Python и его применением в всё более крупных системах — рекламных платформах, рекомендательных системах, финансовых потоках — такие инструменты как Pyrefly перестают быть просто приятным дополнением. Высокоскоростная, точная по спецификации, понимающая фреймворк проверка типов, выполняемая на каждом нажатии клавиши, становится базовой инфраструктурой, так же как и юнит-тесты и CI когда-то перешли из категории "хорошо бы иметь" в разряд обязательных.

Что такое Pyrefly?

Pyrefly — это высокопроизводительный статический анализатор типов и сервер языков для Python, созданный компанией Meta на Rust. Он разработан для обеспечения мгновенной обратной связи, навигации по коду и проверки типов, даже в огромных кодовых базах.

Как Pyrefly отличается от MyPy или Pyright?

Основные отличительные черты Pyrefly — это невероятная скорость (анализ миллионов строк в секунду), унифицированный движок для командной строки и интегрированной среды разработки, а также глубокая встроенная поддержка популярных библиотек, таких как Pydantic v2 и Django.

Готова ли Pyrefly к производственному использованию?

Расширение Pyrefly IDE считается готовым для производства. Основной проверщик типов все еще находится в бета-версии, что означает, что он надежен, но может иметь некоторые крайние случаи, которые активно решаются перед выпуском стабильной версии 1.

Нужно ли мне аннотировать весь мой код для использования Pyrefly?

Нет. Одной из ключевых особенностей Pyrefly является его мощное выведение типов, которое может понимать и анализировать неаннотированный унаследованный код, предлагая множество преимуществ без необходимости полной миграции на аннотации типов.