读 Python behind the scenes #6: how Python object system works
内容提要
CPython 3.9中，所有对象都包含引用计数和类型指针。类型（PyTypeObject）通过tp_as_number等结构定义对象行为。以x+7为例，字节码BINARY_ADD调用PyNumber_Add，再经binary_op1选择左或右操作数的nb_add槽。内置类型如float静态定义float_add，用户类则通过slotdefs映射表将__add__关联到nb_add。
延伸解读
为什么内置类型不调用 __add__
文章指出，当 x 是内置类型如 int 或 float 时，x + 7 不会调用任何魔术方法。这是因为内置类型在 C 层面静态定义了 nb_add 槽，例如 float_add 直接操作 double 值。而用户类则通过 slotdefs 映射表将 __add__ 关联到 nb_add，运行时由 slot_nb_add 包装调用。理解这一区别有助于明白 Python 中内置类型与用户类在行为实现上的根本差异。
binary_op1 如何选择操作数实现
binary_op1 是决定调用左操作数还是右操作数 nb_add 的关键函数。它先获取左右类型的 nb_add 槽，若右类型是左类型的子类，则优先调用右操作数的实现；否则默认尝试左操作数，若返回 NotImplemented 再尝试右操作数。这一机制解释了为什么子类可以覆盖父类的运算符行为，也说明了 NotImplemented 在运算符重载中的实际作用。
字符串拼接的特殊优化路径
在 BINARY_ADD 字节码中，CPython 对两个精确的 str 对象做了特殊优化：直接调用 unicode_concatenate，而不是走通用的 PyNumber_Add。文章注释强调，不要试图用字节码微优化 int+int，因为对真实基准测试没有影响。这提醒我们，CPython 的性能优化往往针对特定场景，理解这些路径有助于避免无效的优化尝试。
从字节码到槽函数的完整链路
文章以 x + 7 为例，完整追踪了从字节码 BINARY_ADD 到最终执行的链路：BINARY_ADD 调用 PyNumber_Add，后者通过 binary_op1 定位到 nb_add 槽，再根据类型是内置还是用户定义，分别执行 float_add 或 slot_nb_add 包装的 __add__。这条链路展示了 CPython 对象系统的核心设计：类型定义行为，VM 通过槽函数动态分派。
Q&A
Python 中所有对象在 CPython 底层都包含哪些基本字段？
所有 Python 对象都包含引用计数（ob_refcnt）和指向类型的指针（ob_type）。
CPython 中类型对象（PyTypeObject）是如何定义对象行为的？
类型对象通过 tp_as_number 等结构定义对象的行为，例如数值操作（加、减、乘等）由 PyNumberMethods 结构中的函数指针指定。
执行 x + 7 时，CPython 的字节码和函数调用流程是怎样的？
字节码 BINARY_ADD 会调用 PyNumber_Add，然后 PyNumber_Add 调用 binary_op1 来选择左或右操作数的 nb_add 槽。
binary_op1 如何决定调用左操作数还是右操作数的 nb_add？
binary_op1 首先检查左操作数的类型是否有 nb_add，如果有则尝试调用；如果左操作数返回 NotImplemented，则尝试右操作数的 nb_add。如果右操作数是左操作数的子类，则优先调用右操作数的实现。
内置类型（如 float）和用户自定义类在实现加法时有什么不同？
内置类型如 float 静态定义 float_add 函数，直接通过 tp_as_number 指向；用户自定义类则通过 slotdefs 映射表将 __add__ 方法关联到 nb_add 槽，运行时调用 slot_nb_add 来执行 __add__。
用户自定义类中的 __add__ 方法是如何与底层的 nb_add 槽关联的？
CPython 维护了一张 slotdefs 映射表，在类定义阶段将 __add__ 映射到 nb_add 槽，并设置对应的包装函数 slot_nb_add，运行时通过该槽调用 __add__。
