-
Z3本身不直接支持“未知（Unknown）”这一语义意义上的逻辑值，但可通过双重可满足性检查（验证命题及其否定是否均可满足）来推断结论是否必然成立、必然不成立，或无法判定。
-
转向AI数据方向的核心是将Python能力迁移到数据闭环：采集清洗（建稳定管道、标准化异常格式）、分析建模（用pandas/scikit-learn跑通可解释流程）、业务落地（SQL回写+BI看板+一句话决策结论）。
-
TCP粘包需通过协议约定、缓冲累积与规则切分解决；推荐定长头+变长体或分隔符方案；用StreamReader手动管理缓冲区逐条解析，避免readuntil的不可控性。
-
正确做法是复用同一个Session实例并配置Retry，Session会自动管理cookie和保留headers，所有请求（含重试）均继承这些状态。
-
该用pd.concat()时是单纯堆叠或并排拼接表而不需语义关联；它按axis=0纵向叠加行、axis=1横向对齐索引拼列，不支持on参数，也不校验逻辑一致性。
-
Django2.0+中间件必须是可调用对象，推荐实现__call__方法并接收get_response参数；需在请求阶段校验、响应阶段返回response；顺序影响执行流；异步视图需匹配异步中间件。
-
传-1作fd导致卡住，因mmap只接受文件描述符而非路径；须先open获取fileno，注意fd生命周期和flush同步，映射大小按页对齐，适用场景为随机访问而非顺序读。
-
Python中int和float的主要区别在于：1.int表示无小数的整数，支持任意大小；float表示带小数的实数，遵循IEEE754双精度标准，存在精度误差。2.int内存动态扩展，无溢出问题；float因二进制表示限制，如0.1+0.2≠0.3。3.可用type()或isinstance()判断类型，int与float可相互转换，但int()直接截断小数。4.运算中/总返回float，//返回整除结果，混合运算时int自动转为float。理解差异有助于提升计算准确性和代码效率。
-
Python配置文件首选JSON、INI、YAML：JSON轻量通用但无注释；INI结构清晰适合简单场景；YAML功能强支持嵌套与注释，推荐中大型项目；应封装Config类统一管理并校验。
-
GitHubActions轻量高效，适合中小型Python项目；Jenkins灵活可控，适合复杂流水线；二者可混合使用，统一配置保障CI可信性。
-
SQLAlchemy推荐使用Core的insert().returning()实现跨数据库插入后返回自增ID，PostgreSQL原生支持，MySQL8.0.19+配合新驱动也支持；ORM则通过session.flush()后直接读取主键。
-
Python函数测试核心是覆盖关键路径而非追求行数，需明确函数责任边界、测试三类输入场景，并用pytest-cov验证覆盖质量，避免假覆盖陷阱。
-
PostgreSQL中insert().on_conflict_do_update()不返回行数，需用RETURNING子句配合fetchall()计数；MySQL依赖rowcount（需exec_driver_sql）；SQLite用changes()；ORM中避免merge()，应使用returning()。
-
defaultdict工厂函数须为可调用对象，如list而非[]；Counter手动改value会导致most_common()结果滞后；namedtuple字段名须合法标识符；deque模拟队列须用popleft()而非pop()。
-
本文介绍如何遍历字典列表，提取指定键值，并通过f-string构建自定义格式的字符串，最终以换行分隔的方式输出——不依赖str.join()直接处理字典，而是先生成字符串序列再统一连接。
