-
先验证numpy是否真正安装成功，再检查其是否链接正确的OpenBLAS；若失败，优先用--only-binary安装预编译wheel；PyTorch场景下需按官方要求锁定numpy版本。
-
MirroredStrategy在Linux上卡死大概率是NCCL选错网卡，需显式设置NCCL_SOCKET_IFNAME指向高速数据网口（如ens1f0、ib0），且所有worker节点值必须一致；Windows因NCCL不兼容，须改用HierarchicalCopyAllReduce后端。
-
Pytest本身不生成标准JUnitXML，但用--junitxml参数可以生成Jenkins可识别的近似格式——前提是别指望它100%兼容所有JUnit解析器，尤其涉及嵌套套件或自定义属性时。为什么--junitxml生成的文件Jenkins能认，但有时显示异常Pytest的--junitxml输出的是“JUnit风格”而非严格遵循JUnitDTD/XSD的XML。Jenkins的JUnit插件做了宽松解析，能容忍缺失testsuite@hos
-
pyenv是Ubuntu上管理多Python版本最稳妥灵活的方式，它隔离安装、按需切换，不干扰系统Python；常见失败原因包括shell初始化未生效、编译依赖缺失（如libffi-dev、libgdbm-dev）、环境变量配置错误及PATH未正确加载。
-
实例方法必须带self且只能通过实例调用；@classmethod必须带cls，类和实例均可调用；@staticmethod无隐式参数，适用于不依赖实例或类的纯函数。
-
Depends()仅在路径操作函数及被FastAPI显式调用的依赖函数中生效，普通工具函数、类方法或模块级代码中无效；类型提示须可解析，嵌套依赖需完整签名，导入顺序影响命名空间可见性。
-
需通过外部监控系统（如Prometheus）实时计算错误预算，核心是用rate()基于7天滚动窗口统计5xx错误率并与SLO阈值比对，所有计数必须立即上报、避免依赖进程内状态，且错误定义应基于用户感知失败而非仅HTTP状态码。
-
mashumaro的to_dict()只序列化带类型注解且非InitVar的字段，无注解字段（如nickname="anon"）会被忽略；to_json()不支持indent参数，需先to_dict()再json.dumps(...,indent=2)；datetime需显式配置metadata或SerializationStrategy才能序列化。
-
Sphinx+autodoc自动生成API文档可行但易失败，因autodoc依赖动态import且需正确配置sys.path、类型提示和模块结构；需在conf.py中插入项目路径、启用typehints和preserve_defaults，并避免顶层副作用代码。
-
clear()清空列表元素但不改变对象地址，所有引用同步变空；而my_list=[]是创建新对象并重绑定变量，原列表若被其他变量引用仍存在。
-
winreg.OpenKey报错主因是路径误用或权限不足：须用标准根键常量（如HKEY_CURRENT_USER）和相对子键名，HKEY_LOCAL_MACHINE写操作需管理员权限；QueryValueEx恒返(value_data,value_type)二元组，须按type分支处理；SetValueEx写入须显式指定类型常量。
-
GitHubOAuth2回调拿不到code是因redirect_uri未严格全量字符串匹配，包括协议、大小写、端口、末尾斜杠等；换token须用application/x-www-form-urlencoded格式传参，不可用JSON；微信需用sns_access_token调用sns接口；务必校验scope和state。
-
集合是Python中用于去重和集合运算的无序容器，通过{}或set()定义，空集合需用set()创建。支持add、discard等操作，具备唯一性、无序性，常用于数据去重、高效成员检测及交并差等数学运算。
-
Python的import是有序、可干预、带缓存的动态加载机制，包含模块搜索路径、加载三步（查找→编译→执行）、sys.modules缓存及相对导入规则。
-
Python爬虫不直接做目标检测，需先用requests+BeautifulSoup等爬取带标签图像数据，再用YOLO等模型训练检测模型。
