2025 Python型別調查點出三大痛點，第三方函式庫與進階泛型門檻仍高

由JetBrains、Meta與Python型別標註社群成員共同發起的2025 Typed Python調查顯示，型別提示（Type Hints）已成為多數Python開發者日常工作的一部分。同時，受訪者在回應最困難之處時，頻繁提到第三方函式庫與進階泛型等挑戰。該調查共收集1,241份回覆，受訪者多具多年Python與型別提示使用經驗。

調查顯示，86%受訪者表示自己總是或經常使用型別提示，比例與去年相近。以Python年資分層，5到10年經驗者採用率最高達93%，0到2年者為83%，10年以上者為80%。調查人員也提到，資深開發者採用率略低的原因並不明確，可能與更常面對大型或既有程式碼庫，導入成本較高有關。

在超過800則關於最困難之處的回應中，受訪者的討論重點多落在第三方函式庫註記品質不一、進階泛型等型別特性不易掌握，以及不同型別檢查器之間的行為差異。

第一個痛點是第三方函式庫與框架。受訪者提到，專案仰賴的第三方函式庫，要是缺乏完整或正確的型別註記，整合型別檢查就會變得困難，並增加團隊在處理型別定義缺漏與誤報上的成本，影響開發環境的自動完成與導航體驗，也讓團隊在程式碼審查與重構時更難預測改動可能帶來的變化，最後仍得回到人工判讀與額外測試。

第二個痛點落在進階型別特性本身。調查人員歸納，泛型、型別變數，以及協變（Covariance）與逆變（Contravariance）等概念，常被認為不易理解或難以用精準又可維護的方式表達。當程式涉及裝飾器、包裝函式、可呼叫介面或複雜巢狀資料結構時，型別註記往往變得冗長，甚至讓人覺得程式碼可讀性被稀釋。

第三個痛點是工具生態分裂。受訪者認為，不同型別檢查器之間的行為差異，使團隊在規則選擇、錯誤判讀與持續整合上付出額外成本。調查人員提到Python靜態型別檢查工具Mypy在大型專案上的效能疑慮，以及社群對一致性，甚至由官方提供型別檢查器的期待。

從工具使用來看，Mypy仍是最常見的型別檢查器，有58%受訪者使用，較前一年的61%略降。另一方面，Pyrefly、Ty、Zuban等以Rust撰寫的新型別檢查工具，合計已被超過兩成受訪者採用，代表部分開發者正嘗試不同工具組合，以改善大型程式碼庫的檢查效能與使用體驗。