由JetBrains、Meta与Python类型标注社区成员共同发起的2025年Typed Python调查表明，类型提示（Type Hints）已成为多数Python开发者的日常组成部分。同时，受访者在回答最困难的部分时，频繁提到第三方库和高级泛型等挑战。本次调查共收集了1,241份有效回复，受访者普遍具有多年Python与类型提示使用经验。

调查结果显示，86%的受访者表示自己总是或经常使用类型提示，比例与去年基本持平。按Python使用年限分层，5到10年经验的开发者采用率最高，达93%；0到2年经验者为83%；10年以上经验者为80%。调查人员指出，资深开发者采用率略低的原因尚不明确，可能与其更多接触大型或遗留代码库，引入类型系统的成本较高有关。

在超过800条关于“最困难之处”的反馈中，受访者的讨论焦点主要集中在第三方库注释质量参差不齐、高级泛型等类型特性难以掌握，以及不同类型检查器之间行为差异等问题。

第一个痛点是第三方库与框架。受访者表示，项目依赖的第三方库若缺乏完整或准确的类型注解，将导致类型检查难以顺利集成，增加团队处理类型定义缺失与误报的成本，影响开发环境的代码补全与跳转体验，也让代码审查和重构时更难预测改动可能带来的影响，最终仍需依赖人工判断和额外测试。

第二个痛点在于高级类型特性本身。调查人员归纳，泛型、类型变量，以及协变（Covariance）与逆变（Contravariance）等概念，常被认为难以理解，或难以用清晰且可维护的方式表达。当代码涉及装饰器、包装函数、可调用接口或复杂嵌套数据结构时，类型注解往往变得冗长，甚至削弱了代码的可读性。

第三个痛点是工具生态分裂。受访者认为，不同类型检查器之间的行为差异，使团队在规则选择、错误解读和持续集成上付出额外成本。调查人员提到，Python静态类型检查工具Mypy在大型项目中存在性能问题，社区也对一致性标准，甚至期待官方提供内置类型检查器表达了强烈诉求。

从工具使用情况来看，Mypy仍是使用最广泛的类型检查器，占比58%，较前一年的61%略有下降。另一方面，由Rust编写的新型类型检查工具如Pyrefly、Ty、Zuban等，合计已被超过两成的受访者采用，表明部分开发者正尝试不同工具组合，以提升大型代码库的检查效率与使用体验。