-
Flask静态资源走CDN需手动配置：启用CDN_DOMAIN后自定义cdn_for函数生成带CDN前缀的URL；必须用文件内容哈希（非查询参数）控制缓存；通过STATIC_URL_PATH统一管理子路径；开发环境模拟CDN路径结构但不连真实CDN；构建产物与manifest同步需在CI中校验。
-
自定义类可通过实现__getitem__、__len__等特殊方法来模拟序列行为，如支持索引访问、切片、in判断和迭代；示例中MySequence类实现了只读序列，添加__setitem__和__delitem__后可支持修改，继承collections.abc.Sequence或MutableSequence能获得协议验证与默认方法。
-
Jupyter无法识别新conda/virtualenv环境是因为未显式注册内核：需先激活目标环境，再pipinstallipykernel，最后python-mipykernelinstall--user--namemyproject--display-name"Python(myproject)"。
-
Python注释应说明“为什么”而非“做什么”，需清晰简洁、聚焦决策理由；函数文档字符串须结构化，标明参数类型、返回值及异常；行内注释宜简短右对齐；注释须随代码同步更新，避免过期误导。
-
中小团队优先用devpi，5人以下或临时验证用pypiserver；devpi支持按需缓存、多级索引、权限管理与WebUI，启动即用，无需同步全量PyPI，且默认监听http://0.0.0.0:3141。
-
真正落地的深度学习训练需确保数据流可控、逻辑可复现、过程可观测、故障可定位；具体包括：1.数据加载用Dataset+DataLoader，增强统一在__getitem__中；2.训练循环手动控制前向/反向/更新；3.保存恢复需涵盖模型、优化器及训练元状态；4.全程监控loss、指标、显存与预测可视化。
-
Protobuf适合强契约、跨语言高频通信场景，要求字段严格对齐、序列化体积小、解析快，且需通过.proto定义schema并每次修改后用protoc重新生成代码；Avro更适合大数据管道与动态schema演进，依赖SchemaRegistry，支持无版本兼容变更；JSON适用于人眼可读、调试便捷、前端直用等弱契约场景。
-
自定义对象默认不能当dictkey，因为其__hash__返回None或与__eq__不一致，违反哈希要求；需确保相等对象哈希值相同，且仅基于不可变字段实现__hash__。
-
团队协作选towncrier，个人项目或已用Angular风格规范的选conventional-commits+cz-cli；towncrier不依赖commit格式，通过changelog.d/碎片文件聚合，避免rebase和格式卡点问题。
-
Python标准库模块指安装时自带、无需pip安装即可import的模块，路径通常在lib/python3.x/下；可通过python-c"importxxx;print(xxx.__file__)"判断：含site-packages为第三方，含lib/python3.x/且无site-packages为标准库。
-
Python依赖升级需先识别变更类型，评估影响并验证兼容性：主版本查BreakingChanges，小版本关注Deprecations，用pipdeptree和grep定位调用路径，隔离环境渐进测试，配合pip-compile锁定版本及自动扫描治理。
-
httpx的-proxy参数不支持直接传入带认证的代理URL，因其底层fasthttp不解析URL中的用户密码字段；需用-http-proxy-header手动注入Base64编码的Proxy-Authorization头，格式为“Basicbase64(username:password)”。
-
Flask中request.files为空或KeyError的根本原因是前端未正确发送multipart/form-data请求或后端未满足接收条件；需确保表单含enctype="multipart/form-data"、curl用-F参数、使用get()而非[]取值、多文件用getlist()、save()前用secure_filename()防路径穿越并确保父目录存在。
-
元组是不可变序列，用()创建，支持索引切片，提供count和index方法，可进行拼接、重复、解包等操作，适用于存储不变数据。
-
feature_importances_不能直接当“重要性分数”用，因其基于不纯度减少计算，受特征尺度、编码方式、数据泄露和缺失值填充等影响，不具备跨模型/数据集可比性，需谨慎解读与聚合。
