-
不该。自动对request.args和request.form全局HTML转义会破坏数据语义、干扰非HTML上下文，正确做法是仅在最终渲染HTML模板时依赖引擎默认转义机制（如Django/Flask的autoescape），其余场景慎用html.escape()。
-
__del__不可靠，仅在引用计数归零且无循环引用时可能调用；循环引用会导致其永不执行；解释器退出时易因全局对象销毁而异常；应优先使用with语句和__exit__进行确定性资源清理。
-
os.system("iptables-A...")容易出问题，因其缺乏权限校验、无法捕获真实错误、不处理状态同步与IPv6漏配，且静默失败风险高，难以调试和保障可靠性。
-
hasattr可能误判属性存在性，因其依赖getattr捕获AttributeError；若属性描述符或__getattribute__主动抛该异常，会错误返回False。
-
不能直接用——Triton的Python后端是实验性功能，2.40+默认禁用、不支持GPU加速，仅适用于CPU预/后处理调试；启用需手动编译，运行于独立进程，内存开销大、无CUDA张量共享。
-
Redis连接需匹配Django与redis-py版本，Django4.2+要求redis-py≥4.0；cache_page仅支持GET/HEAD请求；模板缓存键须用稳定标识符如user.pk；session务必用cached_db引擎防丢失。
-
reduce函数需导入functools，通过累积计算将序列归约为单值。示例1：add函数依次接收前次结果与下个元素，如a=1,b=2→3；a=3,b=3→6；a=6,b=4→10。示例2：初始值"start->"作为首次参数s，依次拼接'a'、'b'、'c'得"start->abc"。示例3：lambdax,y:x*y以1为初值，计算1×2×3×4=24。参数来源明确：累计值与当前元素。
-
SQLAlchemy2.x异步需用AsyncSession和asyncwith管理事务：1.用create_async_engine配asyncpg等驱动；2.显式asyncwithsession.begin()开启事务；3.支持begin_nested和手动commit/rollback；4.所有操作需await，禁用lazyloading。
-
Flask-SQLAlchemy3.0+已移除_get_debug_queries，应改用SQLAlchemy事件钩子（如before_cursor_execute）结合flask.g实现请求级查询监控，推荐使用flask-sqlalchemy-logger等成熟工具。
-
应使用heapq.merge而非sorted(a+b)，因其利用两列表有序前提，以O(m+n)时间、O(1)额外空间完成归并；它返回惰性生成器，支持多路、异构有序输入，但要求所有输入同序且不可重复消费。
-
PyExecJS常在混淆JS上失败，因其缺失浏览器运行时环境（如window、document、localStorage等），无法处理控制流扁平化、动态函数调用及依赖宿主对象的逻辑，仅适用于无依赖的静态字符串构造场景；可靠解法是用Playwright等工具复现真实浏览器环境执行。
-
Python异常需带上下文：拼接关键变量、用raise...from保留异常链、分小类自定义异常、用logging.exception()记录完整traceback，确保错误信息为人可读且可诊断。
-
入门AI应先做完整小项目而非啃理论书，用scikit-learn实现房价预测全流程；慎用Jupyter，优先写.py脚本练结构；勿迷信AutoML，先手写LR+标准化流程；起步即用venv和Git规范工程；提问StackOverflow需提供最小复现代码、版本与完整报错。
-
Python处理VCF文件的核心库是PyVCF，它提供直观的接口解析VCF元信息、表头和变异记录。1.安装PyVCF：使用pipinstallPyVCF；2.读取VCF文件：通过vcf.Reader对象逐行解析；3.提取核心字段：如CHROM、POS、REF、ALT、QUAL、FILTER、INFO及样本基因型；4.过滤并写入新文件：根据QUAL和FILTER条件筛选变异并用vcf.Writer保存。此外，面对大规模VCF数据时可选用cyvcf2或pysam以提升性能。VCF结构包括元信息行（##开头）、
-
asyncio.create_task启动的任务若无强引用会被GC回收而静默消失；需显式保存引用、用task.cancel()配合await处理取消、避免atexit依赖，应由框架shutdown事件统一管理生命周期。
