本文详解 Pydantic 中 model is not callable 错误的根源：将模型类本身误作类型注解后，在函数体内又试图以该参数名调用构造函数，实为混淆了「类型提示」与「类对象传参」——正确做法是用 CustomModel 类名实例化，而非用类型注解参数 validator 调用。
本文详解 pydantic 中 `model is not callable` 错误的根源：将模型类本身误作类型注解后，在函数体内又试图以该参数名调用构造函数，实为混淆了「类型提示」与「类对象传参」——正确做法是用 `custommodel` 类名实例化，而非用类型注解参数 `validator` 调用。
在使用 Pydantic 构建数据验证逻辑时，一个常见误区是错误地将模型类（如 CustomModel）既用作类型提示，又误当作可调用的构造器参数。例如：
from pydantic import BaseModel
class CustomModel(BaseModel):
field1: int
field2: str
def validate_data(validator: CustomModel, custom_dict: dict) -> None:
cm = validator(**custom_dict) # ❌ 错误：validator 是类型注解，非实际类对象
这段代码中，validator: CustomModel 的含义是 “此参数应是一个 CustomModel 类型的实例”，而非“此参数是 CustomModel 这个类”。因此 validator(**custom_dict) 实际等价于尝试对一个（尚未创建的）实例执行函数调用（如 obj()），而 BaseModel 实例默认不可调用，自然触发类型检查器（Pyright / mypy）报错："CustomModel" not callable。
✅ 正确写法应明确区分「类」与「实例」：
-
若目标是动态传入模型类（支持多模型复用），应将参数类型注解为 Type[CustomModel]，并传入类本身：
from typing import Type from pydantic import BaseModel def validate_data(model_class: Type[CustomModel], custom_dict: dict) -> CustomModel: return model_class(**custom_dict) # ✅ 正确：model_class 是类，可调用 # 调用方式 result = validate_data(CustomModel, {"field1": 42, "field2": "test"}) -
若只需固定使用 CustomModel，则直接在函数内硬编码类名，类型注解应为 dict 或更精确的 Dict[str, Any]：
from typing import Dict, Any def validate_data(custom_dict: Dict[str, Any]) -> CustomModel: return CustomModel(**custom_dict) # ✅ 清晰、安全、无歧义
⚠️ 注意事项：
- CustomModel 是类（type），CustomModel() 是实例（object）；类型注解中写 CustomModel 表示期望传入其实例，绝非类本身；
- 使用 Type[T] 是 Python 标准方式表达「某类的类型」，需配合 from typing import Type；
- Pydantic v2 推荐使用 model_validate（替代 **kwargs 解包）提升健壮性：CustomModel.model_validate(custom_dict)；
- 避免在类型注解中使用未实例化的模型类名——这属于类型系统误用，会误导静态分析工具和协作者。
总结："not callable" 报错本质是类型语义误解。牢记——类型注解描述输入值的形态，不参与运行时构造；真正负责实例化的，永远是明确的类名或其变量引用。
