@dataclass自动实现__init__、__repr__、__eq__，字段增减只需修改声明行；默认值安全（可变对象须用default_factory）；frozen=true可启用不可变性。
因为 @dataclass 能自动补全你本该手写的 __init__、__repr__ 和 __eq__，且生成逻辑严格基于类型注解，不靠猜、不靠记忆、不漏字段。
字段增减时不用同步改三处地方
加一个新字段，传统类要改 __init__ 参数和赋值语句、__repr__ 字符串拼接、__eq__ 元组比较项——漏一处就埋 bug。@dataclass 只需在类体里加一行带类型注解的声明：
@dataclass
class User:
name: str
email: str
phone: str # ← 新增这一行就够了
所有方法自动适配。删字段同理，删掉声明行即可，不会残留旧逻辑。
默认值处理更安全，尤其可变对象
手写 __init__ 时用 tags=[] 是经典陷阱：所有实例共享同一个 list。@dataclass 强制你区分场景：
- 简单默认值（如
active: bool = True）直接写 - 可变默认值必须用
field(default_factory=list)，每个实例独享新对象
它不让你跳过这个选择，从语法层堵住共享引用漏洞。
不可变性、排序、哈希等行为按需开关
需要只读对象？加 frozen=True，后续赋值直接抛 dataclasses.FrozenInstanceError，比运行时手动检查更早暴露问题。需要支持 p1 ？加 <code>order=True，它会按字段顺序自动生成 __lt__ 等全部比较方法。这些不是“多写几行就能实现”的功能，而是统一配置、零维护成本的开关。
和类型检查工具天然对齐
Mypy、Pyright 这类工具能直接读取 dataclass 的字段声明做校验。比如你写了 age: int 却传了字符串，错误在静态分析阶段就报出来；而手写 __init__ 里漏写类型注解或写错位置，工具很可能视而不见。这种一致性让协作和重构更可靠。
真正容易被忽略的是：@dataclass 不是“少写几行”的甜点，它是把字段定义变成唯一事实源（single source of truth）。一旦你开始依赖它生成的方法，你就不能再在类里手动重写 __init__ 或 __eq__ ——否则行为可能冲突，调试时会发现“明明字段一样却不相等”，根源往往是装饰器生成的逻辑和你手写的逻辑打架。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
