Así, obtenemos un modelo Pydantic a partir de los datos en otro modelo Pydantic.

#### Desempaquetando un `dict` y palabras clave adicionales { #unpacking-a-dict-and-extra-keywords }

Y luego agregando el argumento de palabra clave adicional `hashed_password=hashed_password`, como en:

```Python
UserInDB(**user_in.model_dump(), hashed_password=hashed_password)
```

  integrity sha512-F0SAmZ8iUtS//m8DmCTA0jlh6TDKkHQyK6xc6V4KDTyZKA9dnvX9/3sRTVQrWm79glUAZbnmmNcdYwUIHWVybw==

ajv-keywords@^3.5.2:
  version "3.5.2"
  resolved "https://registry.yarnpkg.com/ajv-keywords/-/ajv-keywords-3.5.2.tgz#31f29da5ab6e00d1c2d329acf7b5929614d5014d"
  integrity sha512-5p6WTN0DdTGVQk6VjcEju19IgaHudalcfabD7yhDGeA6bcQnmL+CpveLJq/3hvfwd1aof6L386Ougkx6RfyMIQ==

ajv@^6.12.5:

    /**
     * Detects the intent of a user message using the configured LLM client.
     *
     * @param userMessage the user's message
     * @return the detected intent with extracted keywords
     * @throws LlmException if LLM is not available
     */
    public IntentDetectionResult detectIntent(final String userMessage) {
        if (logger.isDebugEnabled()) {

Таким образом мы получаем Pydantic-модель на основе данных из другой Pydantic-модели.

#### Распаковка `dict` и дополнительные именованные аргументы { #unpacking-a-dict-and-extra-keywords }

И затем, если мы добавим дополнительный именованный аргумент `hashed_password=hashed_password` как здесь:

```Python
UserInDB(**user_in.model_dump(), hashed_password=hashed_password)
```

Então, obtemos um modelo Pydantic a partir dos dados em outro modelo Pydantic.

#### Desembrulhando um `dict` e palavras-chave extras { #unpacking-a-dict-and-extra-keywords }

E, então, adicionando o argumento de palavra-chave extra `hashed_password=hashed_password`, como em:

```Python
UserInDB(**user_in.model_dump(), hashed_password=hashed_password)
```

Auf diese Weise erhalten wir ein Pydantic-Modell aus den Daten eines anderen Pydantic-Modells.

#### Ein `dict` entpacken und zusätzliche Schlüsselwort-Argumente { #unpacking-a-dict-and-extra-keywords }

Und dann fügen wir das zusätzliche Schlüsselwort-Argument `hashed_password=hashed_password` hinzu, wie in:

```Python
UserInDB(**user_in.model_dump(), hashed_password=hashed_password)
```

UserInDB(**user_in.model_dump())
```

...因為 `user_in.model_dump()` 回傳的是 `dict`，接著在傳給 `UserInDB` 時以 `**` 前綴讓 Python 進行解包。

因此，我們可以用一個 Pydantic 模型的資料建立另一個 Pydantic 模型。

#### 解包 `dict` 並加入額外參數 { #unpacking-a-dict-and-extra-keywords }

接著加入額外的具名引數 `hashed_password=hashed_password`，如下：

```Python
UserInDB(**user_in.model_dump(), hashed_password=hashed_password)
```

...結果等同於：

```Python
UserInDB(

ixin transition($transition...) {\n  @if length($transition) == 0 {\n    $transition: $transition-base;\n  }\n\n  @if length($transition) > 1 {\n    @each $value in $transition {\n      @if $value == null or $value == none {\n        @warn \"The keyword 'none' or 'null' must be used as a single argument.\";\n      }\n    }\n  }\n\n  @if $enable-transitions {\n    @if nth($transition, 1) != null {\n      transition: $transition;\n    }\n\n    @if $enable-prefers-reduced-motion-media-query and nth($transition,...

...왜냐하면 `user_in.model_dump()`는 `dict`이며, 이를 `**`로 Python이 "언팩(unpack)"하도록 하여 `UserInDB`에 전달하기 때문입니다.

따라서, 다른 Pydantic 모델의 데이터를 사용하여 새로운 Pydantic 모델을 생성할 수 있습니다.

#### `dict` 언패킹과 추가 키워드 { #unpacking-a-dict-and-extra-keywords }

그리고 다음과 같이 추가 키워드 인자 `hashed_password=hashed_password`를 추가하면:

```Python
UserInDB(**user_in.model_dump(), hashed_password=hashed_password)
```

다음과 같은 결과를 생성합니다:

```Python
UserInDB(

        client.setChatResponse("```json\n{\"query\": \"search keywords\", \"reasoning\": \"simplified\"}\n```");

        final String result = client.regenerateQuery("complex question", "complex query syntax", "no_results", Collections.emptyList());

        assertEquals("search keywords", result);
    }

    @Test
    public void test_regenerateQuery_promptContainsPlaceholders() {