Power Platform 五大更新

📢 本文同步发布於公众号：AI Agent · 最佳实践
🔗 原文链接：https://simonwillison.net/2026/Oct/12/python-3-15/

Python 3.15 来了，3.10 再见，终于能用 3.11 了

Python 3.15 正式发布！这里有份必读的《Python 3.15 新特性》指南，今年由 3.14 和 3.15 的发布经理 Hugo van Kemenade 整理。作为一个要确保开源软件在所有受支持的 Python 版本上都能运行的人，我终于可以跟 Python 3.10 说再见，开始拥抱 Python 3.11 的特性了。

先来看看 Python 3.15 的一些亮点。

我最兴奋的是 PEP 810 带来的显式懒加载导入（Explicit lazy imports）。你可以这样导入模块：

lazy import json
lazy from pathlib import Path

模块会在后续代码中第一次使用这些符号时才真正被导入。

我的 LLM CLI 工具支持插件机制。之前在插件作者文档里，我不得不建议手动做懒加载导入，因为仅仅安装使用了 sentence_transformers 这类重量级依赖的插件，就可能让每次调用 llm 命令多花好几秒。懒加载导入直接解决了这个启动开销问题。

新的 [*sublist for sublist in lists] 解包语法也很优雅。下面这个例子摘自官方文档：

lists = [[1, 2], [3, 4], [5]]
[*L for L in lists]
# [1, 2, 3, 4, 5]
# 等价于 [x for L in lists for x in L]

sets = [{1, 2}, {2, 3}, {3, 4}]
{*s for s in sets}
# {1, 2, 3, 4}
# 等价于 {x for s in sets for x in s}

dicts = [{'a': 1}, {'b': 2}, {'a': 3}]
{**d for d in dicts}
# {'a': 3, 'b': 2}
# 等价于 {k: v for d in dicts for k, v in d.items()}

PEP 798: 推导式中的解包由 Adam Hartz 和 Erik Demaine 提出，是对 PEP 448 中解包语法的扩展——那个 PEP 早在 2015 年就随 Python 3.5 落地了。

Python 现有的追踪分析器从 cProfile 更名为 profiling.tracing，同时还迎来了一位令人兴奋的新成员——采样分析器 Tachyon，也叫 profiling.sampling。

采样分析器的工作原理是定期从运行中的进程捕获调用栈，然后据此计算出哪些函数占用了最多时间。它的开销非常低，能深入洞察运行中的系统，而且不需要事先对系统做任何埋点。

我以前用过 py-spy 这类工具来做这件事。现在这个能力已经内置到标准库里了。

如果你有一个正在运行的 Python 3.15 进程的 PID，可以这样开始采集样本（我在 macOS 上需要用 sudo）：

sudo uv run --python 3.15 python -m profiling.sampling attach 1234

跟主程序交互一下，然后按 Ctrl+C 停止采集，就能看到一份报告，大概长这样：

它还能生成这样的火焰图和这样的热力图，甚至可以输出能在 Firefox profiler UI 中查看的格式。

Miguel Grinberg 前几天针对 3.15.0rc3 版本研究了《Python 3.15 到底有多快？》，发现性能总体上跟 3.14 差不多，例外是实验性的 JIT。JIT 相比标准的 3.15 解释器带来了 1.2 倍的提速（在一个斐波那契……