-
回调函数绑定给Future或Task对象而非asyncdef函数，触发于其done状态变化；须用create_task等显式获取任务对象才能绑定，且回调中需检查exception()再调用result()。
-
PIL的Image.fromarray()不支持形状为(H,W,1)的三维单通道数组，仅接受二维灰度数组(H,W)或标准三通道(H,W,3)；需通过降维或显式指定模式解决。
-
fun不是Python内置标识符，而是开发者自定义的占位名，常用于表示可调用对象，多见于教学或调试代码；正式项目推荐使用func等更规范的命名。
-
能实现，但关键在上下文传递完整：FastAPI需调用FastAPIInstrumentor.instrument_app()并预设带ServiceName的TracerProvider，HTTP跨服务调用必须用instrumented客户端（如httpx.AsyncClient+HTTPXClientInstrumentor），否则traceparent头无法自动注入。
-
根本原因是logging.LogRecord默认不携带请求级上下文变量，trace_id必须通过contextvars+自定义Filter显式注入；threading.local在异步场景失效，contextvars未正确传递或解析格式错误也会导致丢失。
-
pdfplumber更适合结构化表格提取，因其原生保留文本坐标、线条和布局；PyPDF2仅输出纯文本，tabula依赖Java且对非标准线识别不稳。
-
该用str.replace()而不是re.sub()时：进行简单字面替换且无模式需求，因前者更快、更安全、更易读，不解析正则元字符，避免re.error。
-
Flask本身无内置MVC机制，需开发者主动分层：models不依赖Flask上下文，views仅作协议适配，controller封装业务逻辑并可脱离Web环境运行。
-
Python日志分析接入ELK+Grafana的核心是理清数据流向：Python采集清洗→Logstash转换→ES存储→Kibana/Grafana展示；需用loguru等结构化日志、Logstash精简过滤、ES索引按时间切片与冷热分离、Grafana用Lucene语法聚合告警。
-
Pythonint不怕溢出是因为采用任意精度设计，底层自动切换大整数表示；但代价是小整数与超大整数共享接口却性能差异巨大，str()、除法等操作复杂度显著升高。
-
Python的random模块不安全，因其基于可预测的MersenneTwister算法；应改用secrets模块或os.urandom()生成密码学安全随机数，避免使用非明确声明“cryptographicallysecure”的函数。
-
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。
-
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。
-
RuntimeError是Python中表示运行时未分类错误的异常，常由修改遍历中的容器、异步误用或线程违规操作引发，需通过副本遍历、正确使用async/await及队列通信等方式避免。
-
TypeGuard仅在静态类型检查阶段生效，不干预运行时行为；它不抛异常、不跳过分支、不校验数据合法性，仅向类型检查器提供类型收窄依据，故不能替代isinstance或运行时校验。
