模块拆分的关键在于合理界定边界：需避免循环导入、职责模糊、接口不稳、测试失焦，应按行为而非技术类型划分，抽取共享基础，明确输入输出边界，并确保核心逻辑可纯函数化测试。
模块拆分本身不是问题，问题常出在“怎么拆”和“为什么这么拆”。很多团队把代码按文件大小或功能粗略切开，结果反而让依赖变乱、测试变难、协作变卡。
循环导入：最隐蔽也最致命
两个模块互相 from A import X 和 from B import Y，Python 在加载时直接报错。这不是语法错误，是运行时才暴露的结构缺陷。
- 典型场景：models.py 里定义 User 类，同时需要校验逻辑；validators.py 又要导入 User 做类型检查
- 解决思路：把共享基础（如数据结构、常量、抽象基类）抽到单独的 common 或 types 模块，让其他模块只单向依赖它
- 避免用 if TYPE_CHECKING: 临时绕过，那只是掩盖问题，不是解耦
职责模糊：一个模块干了三件事
比如叫 red">utils.py 的文件，里面混着日期格式化、HTTP 请求封装、数据库连接池配置——名字没说清它该做什么，改一处可能影响八处。
- 判断标准：如果模块名不能用“动词+名词”一句话说清它的唯一职责（如 send_email、parse_csv），就该拆
- 推荐做法：按行为边界划分，而不是按技术类型。比如 “用户注册流程” 相关逻辑，哪怕涉及 DB、Redis、发邮件，也可先放在 registration/ 包里，再按层（service、adapter、dto）细化
- 别迷信“小就是好”：5 行的模块如果只是为隔离一个硬编码字符串，不如直接内联；200 行的模块如果逻辑高度内聚，也没必要硬拆
接口不稳：内部实现直接暴露成公共 API
拆分后本想提高复用性，结果别人开始 import 你模块里的私有函数甚至类属性，下次你重构 rename 就全崩了。
立即学习“Python免费学习笔记（深入）”；
- Python 没真正的 private，但可以用 _ 前缀明确标记非公开接口，并在 __all__ 里只声明真正支持的符号
- 对外暴露的函数/类，参数和返回值尽量用简单类型（str、int、dict、dataclass），少用模块内部自定义的复杂类——否则调用方等于被迫依赖你的内部结构
- 如果发现多个模块都在重复写类似逻辑（比如都手动拼 SQL），说明缺的是一个稳定的抽象层，不是更多碎片文件
测试失焦：拆完反而更难测
原本一个函数里完成输入→处理→输出，现在变成 A 调 B、B 调 C、C 又回调 A，单元测试得 mock 四层，集成测试又因路径太深跑不起来。
- 关键原则：每个模块应有清晰的“输入边界”和“输出边界”，比如接收 dict、返回 dict；或者接收 Request、返回 Response
- 拆分后优先保证 核心逻辑可纯函数化：把 IO、时间、随机等副作用抽到上层 adapter，让中间层专注计算——这样测试只需给输入、断言输出
- 警惕“为拆而拆”的包结构：像 core/ → domain/ → application/ → infrastructure/ 这种分法，若没有对应团队共识和演进节奏，只会增加理解成本
