-
asyncio.TaskGroup是用于结构化并发的强制性边界，防止任务泄露、确保异常不静默、统一管理子任务生命周期；必须用asyncwith进入，自动等待或取消全部子任务，不可手动实例化或外泄引用。
-
ctypes.Structure本质是为C交互服务，非通用数据容器；仅在调用DLL、解析二进制协议等需精确内存布局时必要，必须用ctypes类型、注意对齐填充、不可动态增删字段。
-
Python内置json模块支持JSON与Python对象双向转换，核心方法为loads/load（解析）和dumps/dump（生成），兼容常见类型，需注意编码、中文显示、日期处理及非标准类型限制。
-
根本原因是系统缺少libxml2开发文件，Linux需装libxml2-dev，macOS用brew装并设环境变量，Windows应强制安装预编译wheel或改用condainstalllxml。
-
jieba受欢迎的原因是其高效算法和广泛应用场景。1.提供全模式、精确模式和搜索引擎模式三种分词方式。2.支持词性标注、关键词提取和文本聚类等高级功能。3.可通过加载自定义词典优化分词效果。4.提供并行分词功能，提升大规模文本处理速度。
-
textwrap.dedent()是处理多行字符串缩进的标准方法，按首行非空行缩进基准去除每行前缀空白，不破坏内部缩进，且兼容混合缩进；需配合\抑制首行换行，避免开头多余\n。
-
requirements.txt是项目依赖的“契约文件”，需区分生产与开发依赖；推荐分层管理：base.txt为运行时依赖并锁定版本，dev.txt为开发工具，避免线上环境冗余安装。
-
Embedding层不能直接接原始类别ID，因其要求输入为从0开始的连续非负整数索引；若用pandascategory.codes需检查并处理-1（未见类别），推荐用StringLookup或IntegerLookup构建确定性映射表。
-
Python函数异常处理的核心是精准识别边界并预判失效点，在关键位置设防御性检查；需明确输入校验、分类型捕获异常、定义清晰的边界行为、显式管理资源，而非盲目try...except。
-
GridSearchCV并非万能调参工具，其本质是穷举式搜索，参数组合多、训练慢或CV折数高时易卡死；应优先用RandomizedSearchCV初筛、精简param_grid、合理设cv，并通过cv_results_分析各组合表现，最终需用独立测试集验证线上鲁棒性。
-
groupby().mean()最直接但需注意分组键含NaN时默认被丢弃，应设dropna=False；非数值列被静默跳过，需检查数据类型与清洗；避免apply(lambdax:x.mean())低效写法，优先用原生聚合。
-
Flask开发模式下内存只涨不降主因是debug=True触发模板自动重载，导致AST缓存和源码引用无法被GC回收；应禁用debug、关闭auto_reload、避免全局大对象，并用tracemalloc和objgraph定位泄漏源。
-
classification_report需显式指定labels确保类别顺序与业务一致，配合confusion_matrix查混淆细节，按业务选average方式，结合预测概率调优阈值，而非依赖默认输出。
-
np.dot执行矩阵乘法而非点乘，二维时要求左矩阵列数等于右矩阵行数；逐元素相乘用multiply或*；叉乘仅适用于三维向量，用cross函数。
-
高匿代理池的核心是代理生命周期管理，而非单纯扩充IP数量；应采用Redis双结构（SortedSet存可用代理并按响应时间排序、Set存待检测代理）配合定时健康检测脚本，实现自动剔除失效节点与动态权重调整。
