Claude Code لمطوري Python

Python في كل مكان. تشغّل تطبيقات Django، وخدمات FastAPI المصغّرة، ومسارات البيانات، ونماذج التعلم الآلي، وسكريبتات الأتمتة، وأدوات سطر الأوامر. اللغة متعددة الاستخدامات — لكن تلك المرونة ذاتها تعني أنه من السهل كتابة Python تعمل تقنياً لكنها تفشل على نطاق واسع، أو يصعب اختبارها، أو تنكسر عندما يلمسها شخص آخر.

Claude Code مع المهارات الخاصة بـPython لا يكتب Python فحسب. بل يكتبها بالطريقة التي سيكتب بها مهندس Python أول: مع تلميحات الأنواع، ومعالجة الأخطاء الصحيحة، والأنماط الاصطلاحية، وقرارات البنية المعمارية التي تتقادم بشكل جيد.

مهارات Python في مجموعة SuperSkills

هذه هي مهارات Python الأساسية:

python-pro — الأساس. يغطي Python الاصطلاحي: تعبيرات القوائم مقابل تعبيرات المولّدات، ومديري السياق، والـdataclasses، و__slots__، وتسلسلات الاستثناءات الصحيحة، والأنماط التي تجعل كود Python بيثونياً وليس وظيفياً فحسب.

fastapi-expert — FastAPI من التوجيه إلى النشر: حقن التبعيات، ونماذج Pydantic، ومعالجات غير متزامنة، ومهام خلفية، والـmiddleware، وتدفقات OAuth2، وتوثيق OpenAPI. يعرف متى يستخدم async def ومتى يكون def العادي في الواقع أسرع.

django-expert — عمق Django: تحسين ORM، والمديرون المخصصون، والـsignals، والـmiddleware، وواجهة الإدارة، والـviews المبنية على class مقابل المبنية على function، وDjango REST Framework، وأنماط الاختبار التي تعمل فعلاً مع test runner الخاص بـDjango.

pytest-master — انضباط الاختبار: الـfixtures، والـparametrize، والـmocking مع unittest.mock وpytest-mock، وتنظيم الاختبارات، وإعداد coverage، والأنماط التي تجعل مجموعات الاختبار سريعة وقابلة للصيانة.

تلميحات الأنواع التي تساعد فعلاً

نظام الأنواع في Python اختياري، مما يعني أن معظم المشاريع إما تتجاهله تماماً أو تستخدمه بشكل غير متسق. مهارة python-pro تجعل تعليقات الأنواع التوضيحية لـClaude مفيدة وليست زخرفية.

قبل: توقيعات غامضة

def process_orders(orders, config=None):
    results = []
    for order in orders:
        if validate(order, config):
            results.append(transform(order))
    return results

هذا يُترجَم ويعمل ويفعل شيئاً. لكن ماذا؟ ما هو orders؟ ماذا يُرجع؟ ماذا يحدث مع config=None؟

بعد: أنواع تُوثّق نفسها

from typing import Sequence
from dataclasses import dataclass

@dataclass(frozen=True)
class ProcessingConfig:
    validate_stock: bool = True
    apply_discounts: bool = True
    max_retries: int = 3

def process_orders(
    orders: Sequence[Order],
    config: ProcessingConfig | None = None,
) -> list[ProcessedOrder]:
    active_config = config or ProcessingConfig()
    return [
        transform(order, active_config)
        for order in orders
        if validate(order, active_config)
    ]

المهارة تصل إلى dataclass(frozen=True) لكائنات الإعداد (غير قابلة للتغيير، قابلة للتجزئة، قابلة للمقارنة)، وتستخدم Sequence بدلاً من list للمدخل (يقبل أي iterable)، وتُرجع list ملموسة لأن المستدعي يتوقع قائمة. هذه الفروق مهمة في قواعد الكود الحقيقية.

خدمات FastAPI التي تتوسع

تغيّر مهارة fastapi-expert طريقة بناء Claude لتطبيقات FastAPI. بدلاً من ملفات مسطحة مع دوال route، تحصل على بنية تطبيق مناسبة.

حقن التبعيات للخدمات النظيفة

from fastapi import FastAPI, Depends, HTTPException, status
from sqlalchemy.ext.asyncio import AsyncSession
from typing import Annotated

app = FastAPI()

# تبعية قابلة لإعادة الاستخدام — نظيفة وقابلة للاختبار
async def get_db() -> AsyncSession:
    async with SessionLocal() as session:
        yield session

DBSession = Annotated[AsyncSession, Depends(get_db)]

@app.get("/users/{user_id}", response_model=UserResponse)
async def get_user(user_id: int, db: DBSession):
    user = await db.get(User, user_id)
    if not user:
        raise HTTPException(
            status_code=status.HTTP_404_NOT_FOUND,
            detail=f"المستخدم {user_id} غير موجود"
        )
    return user

المهارة تعرف: استخدام Annotated لأنواع التبعية (نمط FastAPI 0.95+)، وثوابت status بدلاً من الأرقام السحرية، وإدارة جلسة async مع مديري السياق المناسبين، وresponse_model للتسلسل التلقائي ومستندات OpenAPI.

نماذج Pydantic المصنوعة بشكل صحيح

from pydantic import BaseModel, EmailStr, field_validator, model_validator
from datetime import datetime

class UserCreate(BaseModel):
    email: EmailStr
    username: str
    password: str
    birth_year: int

    @field_validator("username")
    @classmethod
    def username_valid(cls, v: str) -> str:
        if not v.replace("_", "").isalnum():
            raise ValueError("يجب أن يكون اسم المستخدم أبجدياً رقمياً (الشرطات السفلية مسموح بها)")
        if len(v) < 3:
            raise ValueError("يجب أن يكون اسم المستخدم 3 أحرف على الأقل")
        return v.lower()

    @model_validator(mode="after")
    def check_age(self) -> "UserCreate":
        current_year = datetime.now().year
        if current_year - self.birth_year < 13:
            raise ValueError("يجب أن يكون العمر 13 سنة على الأقل")
        return self

المهارة تستخدم field_validator وmodel_validator (أنماط Pydantic v2)، وEmailStr للتحقق من البريد الإلكتروني، وتوضح التحقق على مستوى الحقل وعلى مستوى النموذج — أنماط ينسخها معظم المطورين من التوثيق لكن نادراً ما يحصلون عليها بشكل صحيح من المحاولة الأولى.

سير عمل علم البيانات

يميل كود علم البيانات في Python إلى أن يكون دفاتر استكشافية تحوّلت إلى سكريبتات إنتاجية — مع كل المشاكل التي يترتب على ذلك. تساعد مهارة python-pro Claude على كتابة كود بيانات قابل للصيانة فعلاً.

نمط Pipeline بدلاً من السكريبتات المتسلسلة

from dataclasses import dataclass
from typing import Callable
import pandas as pd

@dataclass
class Pipeline:
    steps: list[tuple[str, Callable[[pd.DataFrame], pd.DataFrame]]]

    def run(self, df: pd.DataFrame) -> pd.DataFrame:
        for name, step in self.steps:
            df = step(df)
            assert not df.empty, f"خطوة Pipeline '{name}' أنتجت DataFrame فارغاً"
        return df

def remove_duplicates(df: pd.DataFrame) -> pd.DataFrame:
    return df.drop_duplicates(subset=["user_id", "event_date"])

def fill_missing_values(df: pd.DataFrame) -> pd.DataFrame:
    return df.assign(
        revenue=df["revenue"].fillna(0),
        country=df["country"].fillna("unknown"),
    )

def add_derived_features(df: pd.DataFrame) -> pd.DataFrame:
    return df.assign(
        revenue_per_event=df["revenue"] / df["event_count"].clip(lower=1),
        is_high_value=df["revenue"] > df["revenue"].quantile(0.9),
    )

pipeline = Pipeline(steps=[
    ("remove_duplicates", remove_duplicates),
    ("fill_missing", fill_missing_values),
    ("feature_engineering", add_derived_features),
])

كل خطوة هي دالة نقية (سهلة الاختبار)، والخطوات المسماة تساعد في التصحيح، والتأكيد يلتقط DataFrames الفارغة قبل أن تتسبب في حالات فشل صامتة في مرحلة لاحقة.

أنماط Async

تفهم مهارة fastapi-expert دقائق Python غير المتزامنة التي تُعثر معظم المطورين.

import asyncio
import httpx

# خطأ: استدعاءات async متسلسلة (تهزم الغرض)
async def fetch_user_data_slow(user_id: int) -> dict:
    profile = await fetch_profile(user_id)
    orders = await fetch_orders(user_id)
    preferences = await fetch_preferences(user_id)
    return {"profile": profile, "orders": orders, "preferences": preferences}

# صواب: استدعاءات async متزامنة مع asyncio.gather
async def fetch_user_data_fast(user_id: int) -> dict:
    profile, orders, preferences = await asyncio.gather(
        fetch_profile(user_id),
        fetch_orders(user_id),
        fetch_preferences(user_id),
    )
    return {"profile": profile, "orders": orders, "preferences": preferences}

# صواب: طلبات HTTP متزامنة مع تجميع الاتصالات
async def bulk_fetch_prices(product_ids: list[int]) -> list[dict]:
    async with httpx.AsyncClient() as client:
        tasks = [
            client.get(f"/api/prices/{pid}")
            for pid in product_ids
        ]
        responses = await asyncio.gather(*tasks)
        return [r.json() for r in responses if r.status_code == 200]

المهارة تعرف الفرق بين async def (تعمل في حلقة الأحداث) وdef العادية (تُعيق)، ومتى يكون asyncio.gather مقابل asyncio.TaskGroup مناسباً، وكيفية تجميع اتصالات HTTP بشكل صحيح.

الاختبار مع pytest

تنتج مهارة pytest-master اختبارات مفيدة فعلاً — لا مجرد اختبارات تنجح.

Fixtures وParametrize

import pytest
from httpx import AsyncClient
from sqlalchemy.ext.asyncio import AsyncSession, create_async_engine

@pytest.fixture(scope="session")
def engine():
    return create_async_engine("sqlite+aiosqlite:///:memory:")

@pytest.fixture
async def db(engine) -> AsyncSession:
    async with AsyncSession(engine) as session:
        yield session
        await session.rollback()

@pytest.fixture
async def client(db) -> AsyncClient:
    app.dependency_overrides[get_db] = lambda: db
    async with AsyncClient(app=app, base_url="http://test") as client:
        yield client
    app.dependency_overrides.clear()

@pytest.mark.parametrize("email,expected_status", [
    ("valid@example.com", 200),
    ("not-an-email", 422),
    ("", 422),
    ("a" * 256 + "@example.com", 422),
])
async def test_user_creation(client, email, expected_status):
    response = await client.post("/users", json={"email": email, "username": "testuser"})
    assert response.status_code == expected_status

المهارة تستخدم scope="session" للمحرك (يُنشأ مرة واحدة)، وfixtures لكل اختبار مع rollback للعزل، وتجاوزات التبعية للاختبار النظيف، وparametrize لاختبار تنويعات متعددة للمدخلات دون تكرار الكود.

تحسين Django ORM

تمنع مهارة django-expert مشكلة N+1 query ومشاكل الأداء الشائعة الأخرى في Django:

# ساذج — N+1 استعلام (1 للطلبات + 1 لكل طلب للمستخدم)
orders = Order.objects.filter(status="pending")
for order in orders:
    print(f"{order.user.email}: {order.total}")  # يضرب DB في كل مرة

# مع django-expert — استعلامان إجمالاً
orders = (
    Order.objects
    .select_related("user")
    .filter(status="pending")
    .only("total", "created_at", "user__email")
    .order_by("-created_at")
)

# Many-to-many — prefetch_related، وليس select_related
orders = (
    Order.objects
    .prefetch_related("items__product")
    .filter(user=request.user)
    .select_related("user", "shipping_address")
)

المهارة تعرف: select_related لـForeignKey/OneToOne (SQL JOIN)، وprefetch_related لـManyToMany/FK العكسي (استعلام منفصل)، وonly() لتجنب تحميل الحقول غير المستخدمة على الجداول الكبيرة.

البدء

1. ثبّت SuperSkills في ~/.claude/skills/
2. افتح مشروع Python الخاص بك في Claude Code
3. تنشط المهارات تلقائياً بناءً على imports وسياق الملفات — ينشط fastapi-expert عند اكتشاف imports لـFastAPI، وينشط pytest-master في ملفات الاختبار
4. ابدأ البناء: "أنشئ endpoint لمصادقة المستخدم"، "اكتب اختبارات لهذه الخدمة"، "حسّن استعلام Django هذا"

أول مرة يكتب فيها Claude endpoint لـFastAPI مع حقن التبعيات الصحيح، ومدققات Pydantic v2، وأنماط async، ومستندات OpenAPI دون أن يُسأل — تلك هي اللحظة التي تدرك فيها لماذا توجد المهارات.

---

احصل على 139 مهارات SuperSkills بما فيها مجموعة Python الكاملة — نزّلها بـ $50 واكتب Python أفضل من اليوم.