```Python hl_lines="25-28"
{!../../../docs_src/async_sql_databases/tutorial001.py!}
```

## Create models

Create Pydantic models for:

* Notes to be created (`NoteIn`).
* Notes to be returned (`Note`).

```Python hl_lines="31-33  36-39"
{!../../../docs_src/async_sql_databases/tutorial001.py!}
```

                                }
                            },
                            "required": True,
                        },
                    },
                }
            },
            "components": {
                "schemas": {
                    "NoteIn": {
                        "title": "NoteIn",

    sqlalchemy.Column("completed", sqlalchemy.Boolean),
)


engine = sqlalchemy.create_engine(
    DATABASE_URL, connect_args={"check_same_thread": False}
)
metadata.create_all(engine)


class NoteIn(BaseModel):
    text: str
    completed: bool


class Note(BaseModel):
    id: int
    text: str
    completed: bool


app = FastAPI()


@app.on_event("startup")
async def startup():

本例在启动 **FastAPI** 应用前，直接执行这些操作。

* 创建 `engine`
* 使用 `metadata` 对象创建所有表

```Python hl_lines="25-28"
{!../../../docs_src/async_sql_databases/tutorial001.py!}
```

## 创建模型

创建以下 Pydantic 模型：

* 创建笔记的模型（`NoteIn`）
* 返回笔记的模型（`Note`）

```Python hl_lines="31-33  36-39"
{!../../../docs_src/async_sql_databases/tutorial001.py!}
```

这两个 Pydantic 模型都可以辅助验证、序列化（转换）并注释（存档）输入的数据。

因此，API 文档会显示这些数据。

## 连接与断开

* ✍ `engine`.
* ✍ 🌐 🏓 ⚪️➡️ `metadata` 🎚.

```Python hl_lines="25-28"
{!../../../docs_src/async_sql_databases/tutorial001.py!}
```

## ✍ 🏷

✍ Pydantic 🏷:

* 🗒 ✍ (`NoteIn`).
* 🗒 📨 (`Note`).

```Python hl_lines="31-33  36-39"
{!../../../docs_src/async_sql_databases/tutorial001.py!}
```

🏗 👫 Pydantic 🏷, 🔢 💽 🔜 ✔, 🎻 (🗜), & ✍ (📄).

, 👆 🔜 💪 👀 ⚫️ 🌐 🎓 🛠️ 🩺.