-
结构化模式匹配（match/case）不能直接匹配任意类实例，因其默认仅支持内置类型及显式定义__match_args__的类；该元组需为字符串形式、对应可访问属性，否则解构失败或静默失效。
-
根本原因是Django在DEBUG=False时不触发logging.ERROR传播，而Sentry默认只监听该级别；必须在settings.py中显式配置LOGGING，将django.request和django.security的ERROR日志传给Sentryhandler，并确保environment='production'、release动态对齐CI/CD。
-
必须用decimal而不是float的场景是金融计算、会计对账、需要精确小数位的业务逻辑，因float存在二进制浮点误差，导致金额不一致，如0.1+0.2!=0.3；decimal保证十进制精度，但需字符串初始化并显式quantize控制舍入。
-
ChromeNetwork面板看不到XHR请求，主要是因未手动勾选XHR/Fetch过滤器、请求被缓存或过快被过滤、或使用fetch但未启用对应过滤；需禁用缓存、清空记录、持续观察滚动加载，并注意请求头、动态参数及JS解密逻辑。
-
接口签名的核心目的是防止请求被篡改、重放或冒用，本质是生成可验证的“数字指纹”；推荐HMAC-SHA256（开发）或RSA-SHA256（上线），需按规则拼接参数、含timestamp和nonce，服务端须校验时效性、唯一性及签名一致性，并强制HTTPS与密钥安全存储。
-
os.replace是原子替换的唯一可靠选择，因其在同文件系统内严格原子，而remove+rename或直接覆盖易致文件损坏，且临时文件须与原文件同目录、写入后需flush+fsync、并复制权限以保一致。
-
Python的mock提供调用统计与验证方法：call_count和called检查调用次数，call_args和call_args_list记录参数，assert_called_with等断言参数正确性，assert_has_calls验证调用顺序，reset_mock重置状态，便于精确控制测试行为。
-
Python脚本跨机器可执行需确保三步：环境隔离（用venv）、入口明确（shebang或py-3、ifname=="__main__"）、依赖可控（requirements.txt锁版本）；否则90%运行失败。
-
requests默认不支持jitter，需继承urllib3.Retry并重写get_backoff_time()方法添加随机扰动，推荐使用JitterRetry子类配合HTTPAdapter配置allowed_methods和status_forcelist。
-
sys._current_frames不检测死锁，仅提供线程调用栈快照；需人工分析依赖环，结合锁状态、持有者信息及跨层阻塞点综合判断。
-
is判断对象身份（内存地址），==判断值相等；is仅应用于None/True/False等单例比较，其余场景应优先用==。
-
Dash实时仪表盘核心是理清数据来源、图表更新和界面响应三件事：用dcc.Interval实现伪实时轮询，通过callback连接交互组件，部署时关闭debug并确保资源路径正确。
-
本文详解如何用循环和乘方运算计算每日翻倍的累计金额，并对比一次性百万美元与30天复利方案的优劣。
-
PyTupleObject比PyListObject更轻，因其无allocated字段、对象头更小、采用柔性数组紧凑布局，且0–20长度元组被全局缓存复用。
-
Python多态依赖运行时对象的实际行为而非编译时类型检查，体现“鸭子类型”思想；核心条件是统一方法名、不同类各自实现、调用时不检查类型；分为继承式（结构清晰）和鸭子式（灵活自由）两种模式，由运行时绑定、动态增删属性及无类型约束等特性支撑。
