不能直接跨模型校验；model_validator的self仅指向当前模型实例，需通过嵌套字段、init=False引用或应用层协作实现间接校验。
model_validator 能否校验其他模型实例？
不能直接跨模型校验——model_validator 的 self 始终是当前模型的实例，拿不到其他模型对象。所谓“跨模型”，实际是指在当前模型中访问、依赖或验证另一个模型的字段或状态，必须通过显式传入、嵌套引用或上下文注入实现。
把被校验模型作为字段嵌套进来
最常用也最安全的方式：把要校验的“外部模型”作为当前模型的一个字段（Field），再在 model_validator(mode='after') 中读取它并做逻辑判断。此时两个模型生命周期一致，数据可同步访问。
-
model_validator必须设mode='after'，否则字段可能还未解析完成 - 被嵌套模型需已定义且类型标注明确，Pydantic 才能完成自动解析和类型检查
- 若嵌套模型字段为
Optional，校验前务必判空，否则访问.xxx会抛AttributeError
from pydantic import BaseModel, model_validatorclass Address(BaseModel): city: str postal_code: str
class User(BaseModel): name: str address: Address # ← 显式嵌套，不是字符串或 dict
@model_validator(mode='after') def check_city_and_postal_match(self): if self.address.city == 'Beijing' and not self.address.postal_code.startswith('100'): raise ValueError('Beijing address must have postal code starting with "100"') return self用 init=False 字段临时存外部模型引用
当无法嵌套（比如两个模型完全独立、只在某次初始化时有关联），可用
Field(init=False)存一个“只读引用”，并在__init__或model_validator中手动注入。但要注意：这绕过了 Pydantic 的自动解析，需自行保证类型安全。
- 该字段不会出现在
.model_dump()中，也不会参与序列化 - 必须在
model_validator(mode='before')或__init__中赋值，mode='after'时self尚未完成构建，无法写入init=False字段 - Pydantic 不校验该字段类型，运行时出错风险高，建议加
assert isinstance(...)防御
class Order(BaseModel):
item_id: int
quantity: int
_product: 'Product' = Field(init=False) # 类型提示用字符串延迟解析
@model_validator(mode='before')
@classmethod
def inject_product(cls, data):
# 假设 product 是从外部传进来的对象
if 'product' in data:
obj = data.pop('product')
if not isinstance(obj, Product):
raise TypeError('product must be Product instance')
data['_product'] = obj
return data
@model_validator(mode='after')
def validate_stock(self):
if self._product.stock < self.quantity:
raise ValueError('insufficient stock')
return self
避免在 validator 中调用数据库或远程服务
Pydantic 的 model_validator 设计用于**数据结构一致性校验**，不是业务逻辑执行入口。如果“跨模型”意味着查 DB 拿另一个模型实例（比如根据 user_id 查 User 再校验 role），那属于应用层职责，不应塞进 validator。
- validator 在
BaseModel.model_validate()或.parse_obj()时同步执行，阻塞主线程 - 无法异步（
async def不被支持），也无法可靠注入依赖（如 session、client） - 单元测试困难，耦合度高；错误堆栈不清晰，调试成本上升
正确做法是：先用 Pydantic 解析基础字段 → 在 service 层获取关联模型 → 手动比对或抛业务异常。
真正容易被忽略的是：model_validator 的执行时机与字段生命周期强绑定，而“跨模型”往往隐含了时序错位（比如 A 模型已存在，B 模型还没创建）。这时候硬塞进 validator，只会让校验逻辑变得脆弱且难以追踪。
