FastAPI框架入门：从前后端分离到RESTful API实战

FastAPI 是近年来 Python 后端开发领域最受关注的框架之一，它以高性能和对 API 开发的友好设计，成为构建 AI Agent 智能体后端服务的常见选择。这期内容基于 B 站 UP 主的入门教程，梳理 FastAPI 的核心概念——从 Web 开发模式到 RESTful API 规范，帮助你快速建立后端开发的知识框架。

为什么理解 Web 开发模式是学 FastAPI 的前提

很多初学者直接上手写接口，结果卡在对"前后端分离"的理解上。要搞懂 FastAPI 的定位，先得弄清楚 Web 开发里两种基本模式的区别。

前后端不分离：一个服务器包揽一切

前后端不分离是较早的开发模式。浏览器看到的所有内容——界面、数据、特效——全部由同一个应用服务器提供。服务器需要同时处理业务逻辑、查询数据库、渲染 HTML 页面，最终返回一个完整的 HTML 响应。

这种模式的问题很直接：开发效率低，界面设计必须先完成，后端才能开始拼接数据和渲染逻辑；同时无法拆分团队协作，前端和后端只能串行推进。

前后端分离：前端负责展示，后端负责数据

前后端分离将职责拆成两部分：前端服务器（也叫静态文件服务器）存放 HTML、CSS、JS 和图片等静态资源；Python 应用服务器专门处理业务逻辑并对外提供统一的 API 接口。浏览器请求界面时访问前端服务器，请求数据时访问后端 API，两个方向的请求是分散的。

据 UP 主介绍，目前企业级 Web 项目中超过 90% 采用前后端分离模式。而且后端服务并不局限于 Web 网站——手机 App、微信小程序本质上也是"界面 + 后端数据"的结构，后端统一返回 JSON 格式数据即可。据统计，95% 以上的 Web 应用和移动应用的服务端响应都使用 JSON，XML 已是十年前的主流方案。

JSON（JavaScript Object Notation） 是一种轻量级的数据交换格式，采用键值对和数组结构描述数据，语法源自 JavaScript 的对象字面量，但与语言无关，几乎所有编程语言都提供解析和生成支持。相比 XML，JSON 结构更紧凑、可读性更好、解析开销更低，因此在 Web 与移动端接口中取代了 XML 成为事实标准。Python 标准库中的 json 模块以及 FastAPI 依赖的 Pydantic，都围绕 JSON 数据结构设计序列化与校验逻辑。理解 JSON 的嵌套结构（对象、数组、字符串、数字、布尔、null）是读懂接口返回值、设计请求体的基础，也是后面学习 Pydantic 数据模型时的直接前提。

FastAPI 的定位：为 API 而生，但不限于 API

FastAPI 底层基于 Starlette 框架。Starlette 从一开始就是为 API 接口开发设计的，因此 FastAPI 天生适合前后端分离的项目。

它同样支持通过模板引擎实现服务端渲染，也能做前后端不分离的项目，但这并非它的主攻方向。FastAPI 官方文档的定位很明确：以 API 后端开发为核心。UP 主在教程中将其描述为"运行速度最快的 Web 后端框架之一"，这也是它在 AI 智能体开发场景中被广泛采用的原因——Agent 服务通常需要高性能的异步接口来对接大模型调用链。

Starlette 是一个基于 ASGI（Asynchronous Server Gateway Interface）的轻量级 Python Web 框架/工具集，提供路由、中间件、请求响应对象、WebSocket、后台任务等底层能力。ASGI 是相对传统 WSGI 的异步网关接口标准，支持 async/await 协程，能在单进程内并发处理大量 I/O 等待型请求（如调用大模型 API、访问数据库），这正是 FastAPI 高并发性能的来源之一。FastAPI 并不重复实现这套底层，而是构建在 Starlette 之上，再叠加 Pydantic 做数据校验，并自动生成 OpenAPI 文档。因此“FastAPI 底层基于 Starlette”意味着它的路由与异步能力继承自 Starlette，而参数校验、序列化与文档生成则来自 Pydantic 与 OpenAPI 生态。

RESTful API：后端开发的主流规范

API（Application Programming Interface）是应用程序对外提供的数据操作入口，可以是一个函数、一个类，也可以是一个 URL 地址。客户端通过发送请求来调用这个入口。

目前主流的 API 接口规范有两种：REST 和 RPC。RPC 接口协议的市场占有率已经不高，REST 凭借简洁和安全性成为绝对主流。

REST 全称 Representational State Transfer，中文常译为"具象状态转化"。UP 主在教程中坦言这个中文翻译"根本不明白什么意思"，它是一个面向资源的编程模式——将所有 API 接口视为资源，请求接口就是获取资源（数据）。

实际操作中，REST 通过 HTTP 请求方法区分操作类型：

• POST：添加资源，如新增一个学生（POST /student）
• GET：获取资源，如查询所有学生（GET /students）或查询单个学生（GET /students/1）
• PUT/PATCH：修改资源，如更新 ID 为 1 的学生信息
• DELETE：删除资源，如删除 ID 为 1 的学生

URL 路径标识操作的资源对象，请求方法标识操作类型，两者组合构成一个完整的 API 语义。

RPC（Remote Procedure Call，远程过程调用） 是另一种接口设计思路，核心是把远程服务的方法调用伪装成本地函数调用，客户端关注“调用哪个方法、传什么参数”，而非操作某个资源。常见实现包括 gRPC、JSON-RPC、Thrift 等，其中 gRPC 在微服务内部通信、高性能二进制传输场景仍有广泛应用，并非完全退出市场。REST 与 RPC 的关键区别在于抽象层次：REST 面向资源，用 URL 定位资源、用 HTTP 方法表达动作，语义直观、易于缓存；RPC 面向过程，接口通常是一个动词化方法名，传输效率可能更高但耦合度更强。教程中说“RPC 市场占有率已不高”主要指面向公网的开放 API 领域，而内部服务间通信中 RPC 依然常见。

学习建议：概念先行，实战跟进

这套教程的编排逻辑是先用一节课快速普及 Web 开发模式、API、REST 等概念，再进入 FastAPI 和 Pydantic 的代码实战。UP 主建议没有 Django 基础的同学先补充前后端分离的基本认知，有基础的同学则可以快速跳过概念部分，直接进入框架编码环节。

FastAPI 的学习曲线之所以平缓，正是因为它把 RESTful 规范变成了框架层面的代码约束——你写接口的过程，本身就是在实践 REST 设计理念。对于想进入 AI Agent 后端开发的 Python 开发者来说，掌握 FastAPI 是性价比很高的一步。

Pydantic 是 Python 的数据校验与序列化库，通过类型注解声明数据模型，在运行时自动完成类型转换、校验和错误提示。FastAPI 大量使用它来定义请求体和响应体结构：你写一个继承自 BaseModel 的类，框架就能自动解析请求 JSON、校验字段、生成接口文档并做响应序列化。这使 RESTful 的“资源”概念落到代码层时有了明确的载体——一个 Pydantic 模型往往就对应一种资源的数据结构。同时 Pydantic 报错信息清晰，能显著降低接口调试成本，是 FastAPI 学习路径中与路由同等重要的核心组件。