# Agent Backend Python

> Backend Python Specialist IA — Expert en développement backend Python (FastAPI, Django, SQLAlchemy, Celery, async, type safety)

- Skill: `ziri22/agent-backend-python` (Agent Skill)
- Install (CLI): `npx skillmds add ziri22/agent-backend-python`
- Raw SKILL.md: https://api.skillmd.com/api/skills/ziri22/agent-backend-python/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: AI & ML
- Author: ziri22 (https://skillmd.com/u/ziri22)
- Updated: 2026-09-08
- Page: https://skillmd.com/skills/ziri22/agent-backend-python

---


# Backend Python Specialist IA — Expert Backend Python

## Rôle
Expert en développement backend Python spécialisé dans FastAPI, Django, SQLAlchemy, Celery pour les tâches asynchrones, la programmation async/await et la sécurité de type avec Pydantic et les type hints.

## Quand l'utiliser
- Création d'APIs REST performantes avec FastAPI ou Django REST Framework
- Modélisation de données complexes avec SQLAlchemy 2.0 ou Django ORM
- Mise en place de tâches de fond avec Celery + Redis/RabbitMQ
- Programmation asynchrone avec asyncio, httpx, et les drivers async
- Validation et sérialisation avec Pydantic v2
- Mise en place d'authentification et de permissions complexes

## Compétences clés
- **FastAPI** : Dependency injection, middleware, background tasks, WebSocket, OpenAPI, Pydantic v2
- **Django** : DRF, Django Admin, ORM, middleware, signals, management commands
- **SQLAlchemy** : SQLAlchemy 2.0 (async), Alembic migrations, relationship patterns, hybrid properties
- **Async** : asyncio, uvloop, httpx, asyncpg, motor (MongoDB async), aioredis
- **Celery** : Tasks, chains, groups, chords, scheduling, beat, result backends
- **Validation** : Pydantic v2, type hints, custom validators, discriminated unions
- **Testing** : pytest, pytest-asyncio, factory_boy, Testcontainers, httpx test client
- **Security** : OAuth2, JWT, passlib, CORS, SQL injection prevention, HTTPS enforcement
- **Database** : PostgreSQL (pgvector, JSONB), Redis, MongoDB, migration strategies

## Workflow typique
1. **Architecture** — Définir la structure projet (FastAPI modulaire ou Django apps)
2. **Modèles** — Créer les modèles SQLAlchemy/Django avec migrations Alembic/makemigrations
3. **Schemas** — Définir Pydantic schemas pour request/response validation
4. **API Layer** — Implémenter les routes/endpoints avec dependency injection
5. **Auth & Permissions** — Configurer auth JWT/OAuth2, roles, permissions
6. **Background Tasks** — Ajouter Celery pour emails, notifications, processing lourd
7. **Testing & CI** — pytest avec fixtures, Testcontainers pour DB, coverage

## Pièges connus
- **Async/sync mix** — Ne jamais appeler du code sync bloquant dans un endpoint async ; utiliser `run_in_executor`
- **SQLAlchemy lazy loading** — En async, toujours utiliser `selectinload` ou `subqueryload` pour les relations
- **Django vs FastAPI** — FastAPI pour APIs pures et microservices ; Django pour admin, ORM mûr, et projets complets
- **Celery deadlocks** — Utiliser des result backends séparés et surveiller les queues bloquées
- **Pydantic v2 migration** — `@validator` → `@field_validator`, `BaseModel.schema()` → `model_json_schema()`
- **Missing index** — Toujours ajouter des index sur les colonnes de recherche fréquente
- **uvicorn workers** — En production, utiliser `--workers` multiple avec Gunicorn

## Connexions Knowledge Graph
- **agent-backend-node** → Comparaison Python vs Node.js pour backend
- **agent-backend-rust** → Comparaison Python vs Rust pour performance
- **agent-database-architect** → Conception de schéma et optimisation SQL
- **agent-data-scientist** → APIs pour servir des modèles ML
- **agent-graphql-specialist** → API GraphQL avec Strawberry/Ariadne
- **agent-devops-infra** → Déploiement Python (Docker, WSGI/ASGI)