-
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。
-
FastAPI流式传输大文件需用StreamingResponse配合自定义生成器分块读取，禁用FileResponse；上传大文件应绕过UploadFile改用Request.stream()，并配置Uvicorn、Nginx及Cloudflare的请求体大小限制。
-
本文介绍如何在PySpark中高效识别同一station_id下的时间区间重叠记录，并仅保留每个重叠组中partition_date最新的记录，同时完整保留非重叠记录。
-
应优先使用model.state_dict()获取完整权重（含参数和缓冲区），通过键名前缀匹配（如k.startswith("encoder.layer.11.")）精确提取子模块，避免in操作误匹配，注意前缀末尾带点、区分大小写，并校验键名一致性。
-
pandas是数据分析工具，numpy是数学引擎。pandas提供DataFrame和Series支持异构数据、自定义索引与缺失值处理，适合表格数据清洗分析；numpy提供ndarray用于高效同质数值计算，支持向量化操作，适用于科学计算。两者常结合使用。
-
ExceptionGroup是Python3.11引入的异常容器类型，用于表示多个异常同时发生，需显式用exceptExceptionGroup:捕获，其子异常通过eg.exceptions访问，不可被exceptException:捕获。
-
在Django-Q2中，Schedule无法直接绑定类方法（如self.run_function），因其需序列化到数据库并由独立进程反序列化执行；必须改用字符串路径引用任务函数，并通过kwargs传递实例上下文。
-
PolynomialFeatures维度爆炸因生成所有组合项，列数为C(n+degree,degree)；实操需控制交互项、标准化、限制输入范围、避免盲目升阶及稀疏矩阵错误。
