peewee 的 `modelselect` 查询对象无法直接序列化为字符串或 json，因其内部依赖数据库连接和游标；正确做法是执行查询获取模型实例后，再用 `model_to_dict()` 转为字典进行存储。
在 Telegram 机器人等无状态服务中，常需将分页查询逻辑持久化（如存入 Redis），以便跨请求复用数据。但需明确一个关键原则：不能序列化 ModelSelect 对象本身——它并非数据容器，而是一个延迟执行的查询构建器，内部持有数据库引用、SQL 生成器及未初始化的游标，不具备可序列化结构。
✅ 正确路径是：先执行查询 → 获取模型实例 → 序列化实例数据。例如：
from playhouse.shortcuts import model_to_dict from peewee import * # 假设已定义 User 模型并初始化数据库 item = User.select().where(User.id == 1).get() # ← 关键：调用 .get() 执行查询，返回单个 Model 实例 data_dict = model_to_dict(item) # ✅ 可安全序列化为 dict json_str = json.dumps(data_dict) # 存入 Redis 或文件
若需恢复为模型实例（非查询对象），可使用 dict_to_model：
restored_user = dict_to_model(User, data_dict) # 返回新的 User 实例，不关联数据库 # 注意：此实例是“脱库”状态，修改后需显式调用 .save() 才写入 DB
⚠️ 重要注意事项：
- ModelSelect 不支持 .sql() 以外的序列化操作（如 pickle、json.dumps），强行尝试会抛出 AttributeError（如 _meta 不存在）；
- 分页场景中，建议存储「查询条件 + 页码 + 每页数量」元信息（如 {"model": "User", "filters": {"id__gt": 100}, "page": 2, "limit": 10}），而非原始查询对象；
- 若必须缓存查询结果，优先缓存序列化后的数据列表（[model_to_dict(u) for u in User.select()[:20]]），而非查询句柄。
总结：Peewee 的设计哲学是“查询即动作”，而非“查询即资源”。持久化应聚焦于结果数据或可重建查询的参数，而非查询对象本身——这既是技术限制，也是保持系统清晰性与可维护性的最佳实践。
