-
Pythonlogging模块需显式配置Logger、Handler、Formatter、Filter四层，basicConfig()在rootlogger初始化后失效；子logger继承父handler但不继承level；多进程须用QueueHandler+QueueListener避免文件冲突；JSON日志应使用python-json-logger库确保ELK兼容。
-
async/await是Python对协程对象的显式标记和调度约定，asyncdef创建返回协程对象的函数，await作为挂起点要求操作对象实现await协议并在事件循环中让出控制权。
-
gunicorn默认只启1个worker进程，无法利用多核CPU；应显式设-w参数（如-w4），并开启--preload避免重复初始化；禁用--threads以防线程不安全；gevent需monkey.patch_all()且适用于IO密集型场景，CPU密集型仍用多进程更稳。
-
Python调用API可实现数据获取、自动化操作、系统集成、监控告警及微服务通信。通过requests发送请求，解析响应数据，构造POST/PUT执行远程操作，结合定时任务实现自动化；利用API密钥对接第三方服务，封装函数提升复用性；通过周期性请求监控服务状态，触发告警并记录日志；在微服务架构中使用REST或gRPC协议进行服务间通信，配合重试与熔断机制增强稳定性。
-
multiprocessing.Queue适合父-子进程间传小到中等对象，基于pipe+pickle；Pipe更快但仅双端单向；Value/Array用于基础类型共享内存；Event仅作状态通知，不传数据。
-
setup.cfg已被弃用，新项目应使用pyproject.toml；其最小配置含[build-system]和[project]两段，支持动态版本、现代构建后端，并可通过hatch快速生成。
-
Python中AI模型输出答案的本质是确定性数学流程，分为三步：一、token化将文本转为整数ID；二、前向传播经嵌入层和Transformer计算logits；三、解码采样依策略将logits转为最终文本。
-
Python三种运行方式为脚本模式、模块导入和交互式解释器：脚本模式执行顶层代码且__name__=='__main__'，适合独立程序；模块模式以模块名加载并跳过main块，适合复用封装；交互式模式逐行执行并即时反馈，适合调试探索。
-
Python创建新对象的时机取决于类型、赋值、运算及构造函数调用：不可变对象“修改”时必新建；可变对象需显式复制才新建；字面量、工厂函数、lambda、类实例化均每次新建。
-
Python程序员转大模型工程师的关键是迁移工程能力，补全模型理解、数据驱动开发、生产化部署、业务场景闭环四大断点，而非重学语言。
-
应将正则集中管理为命名常量，推荐用REGEX_PATTERNS字典或模块级compiledre.Pattern对象，按地域拆分子模块，启用re.VERBOSE提升可读性，并通过单元测试覆盖匹配/不匹配/边界场景。
-
在Pythondataclass中使用描述符实现字段自动类型转换时，类型注解应标注描述符本身的类型（如Conversion），而非其管理的底层数据类型（如date），否则静态类型检查器（如mypy）将报错——这是由PEP563和dataclass运行时机制共同决定的。
-
pd.read_html()返回空列表的根本原因是默认只解析含至少1行1列的完整<table>标签，无法处理div模拟表格、JS动态渲染、iframe内表格等场景。
-
这是典型的CUDA/PyTorch动态链接库路径缺失或版本错配，主因是运行时找不到PyTorch编译绑定的libc10.so等依赖，常见于CPU版误用CUDA功能、预编译包与系统CUDA冲突、conda环境混用渠道导致ABI不兼容。
-
operator.itemgetter比lambda更适合多字段排序，因其是C实现、性能更优，支持字典/序列的多键取值，返回可复用函数；但不支持属性访问、缺失键默认值或混合升降序，需配合lambda等补充。
