-
datetime自身不包含歧义时间消解逻辑，故无法自动处理夏令时回退导致的重复本地时间；需借助pytz的is_dst或zoneinfo的ambiguous/fold显式指定。
-
循环中用np.append或list.append+np.array会慢，因每次调用均需复制全部数据，时间复杂度O(n²)；预分配应先确定长度、显式指定dtype、用索引赋值，避免隐式转换与越界。
-
用tenacity实现异步重试最可靠，其@retry装饰器原生支持asyncdef函数，内置wait_exponential()自动处理指数退避、jitter、最大等待时间与重试次数，避免手动实现漏异常过滤、忽略取消信号或重复await协程等错误。
-
根本原因是脚本未捕获异常、存在交互式输入、标准流异常或未适配守护环境，需配合&后台运行，并修改脚本以处理信号、禁用input、规范日志、显式导出环境变量。
-
最省事的是pickle，但仅限同版本Python可信环境；跨语言或配置用json（需处理特有类型）；大体积数据选msgpack；复杂函数用cloudpickle。
-
核心原因是默认连接池和超时策略不适用代理探测场景，需严格控制并发、设置单独超时、捕获异常、禁用DNS缓存、校验代理格式、分批执行、及时释放响应、选用合适检测地址并放宽判断逻辑。
-
推荐TTS用pyttsx3（离线轻量）或gTTS（需网、多语言），高自然度选CoquiTTS；ASR离线首选Whisper.cpp或Vosk，在线可用云API。
-
Python处理JSON嵌套结构需理解dict/list组合逻辑，通过json.loads()解析后，用get()安全访问、递归搜索提取字段，或setdefault/deepcopy稳妥修改。
-
networkx求最小生成树最省事，但需确保图连通、边权为数值且字段名正确；不连通时返回MST森林，非空图；Kruskal手写关键在并查集路径压缩与按秩合并；Prim需惰性删除堆中过期节点。
-
np.eye生成OneHot矩阵要求标签为从0开始的连续整数，否则需先标准化索引；字符串或非连续整数标签须用np.unique(...,return_inverse=True)转换；注意dtype、shape及内存效率问题。
-
Django读写分离需自定义DatabaseRouter类并注册到DATABASE_ROUTERS，db_for_read须判断事务避免不一致，db_for_write必须返回主库；select_related跨库JOIN会失效，应改用prefetch_related或统一模型库；ConnectionDoesNotExist需检查路由返回值与DATABASES键名是否精确匹配；强一致性读应主动using='default'而非依赖重试。
-
ConfigParser默认section名大小写敏感；修改后需显式write()才保存；set()前须add_section()；读取数值/布尔值需用getint()/getboolean()等方法；value首尾空格会被保留。
-
map和filter是Python中用于批量转换和条件筛选的高阶函数，map一对一映射，filter按布尔判断过滤，二者惰性求值、不修改原数据，常组合使用且语义清晰。
-
调用时必须用或对容器拆包：传列表/元组加（如func(my_list)），传字典加（如func(*my_dict)）；否则容器被当单个参数导致TypeError。
-
加User-Agent仍被403因网站校验多字段，需配套Accept、Accept-Language、Referer等，且headers应复用真实请求、用Session管理并避免过度模拟。
