Pydantic — это библиотека для валидации данных и управления настройками в Python, основанная на использовании аннотаций типов. Она позволяет создавать модели данных с проверкой типов, преобразованием и валидацией входных данных.

Отличия Pydantic от стандартных dataclass:

Валидация и преобразование: Pydantic автоматически валидирует и преобразует входные данные в нужные типы (например, строку в int), тогда как dataclass просто хранит данные без проверки.
Поддержка сложных типов: Pydantic поддерживает вложенные модели, списки, словари и сложные структуры с валидацией.
Ошибки валидации: Pydantic генерирует подробные ошибки при неверных данных, что удобно для отладки и обработки.
Производительность: Pydantic использует Cython для ускорения работы.

Пример Pydantic модели:

from pydantic import BaseModel, ValidationError

class User(BaseModel):
    id: int
    name: str
    age: int

try:
    user = User(id='123', name='Alice', age='30')  # строки будут преобразованы в int
    print(user)
except ValidationError as e:
    print(e.json())

В отличие от dataclass, где типы не проверяются и не преобразуются автоматически:

from dataclasses import dataclass

@dataclass
class User:
    id: int
    name: str
    age: int

user = User(id='123', name='Alice', age='30')  # id и age будут строками, что может привести к ошибкам позже

Расскажи про Pydantic. Чем отличается от dataclass?