-
datetime面向人类时间，支持时区、格式化和运算；time面向系统时间，返回自1970年起的秒数，精度高但无语义。业务逻辑优先用datetime，性能敏感场景用time。
-
create_access_token()报错缺少identity参数，因其为必填的JSON-serializable值（如user_id、str、dict），不可为None、数据库模型实例或不可序列化对象；identity作为JWT的sub字段，是后续权限校验和user_lookup_loader查找用户的基础。
-
PCA适合线性可分、近似高斯分布、量纲接近且特征强相关的数据，用于压缩维度、加速训练或可视化；在非线性结构、离群点多、混合类型特征或需分类精度提升时会失效。
-
在Python中使用Unicode码点大于U+FFFF的字符（如GunjalaGondi字母）时，必须用\U后接8位十六进制数（而非\u），同时需确保系统安装并启用支持该字符集的字体，否则将显示为方块或问号。在Python中使用Unicode码点大于U+FFFF的字符（如GunjalaGondi字母）时，必须用`\U`后接8位十六进制数（而非`\u`），同时需确保系统安装并启用支持该字符集的字体，否则
-
推荐使用ffmpeg-python处理视频，因其是FFmpeg命令行的轻量封装，支持流选择、链式构建、精准错误反馈；相较OpenCV（偏视觉、编码控制弱）和moviepy（抽象高、调试难），更灵活可靠。
-
dockerhistory显示层数与实际镜像层不一致，因其默认折叠空操作、合并元数据且不显示构建缓存层；真实层数应以dockerimageinspect--format='{{json.RootFS.Layers}}'输出为准。
-
Python项目自动上报异常到Sentry需在启动最早期调用sentry-sdk.init()，确保每个进程（如Gunicornworker）都初始化；框架内500错误需手动在errorhandler中调用capture_exception()；通过environment、release和configure_scope()传上下文；本地开发用before_send拦截。
-
不能直接改tf.keras.optimizers.Optimizer的apply_gradients，因为它是抽象基类，未实现该方法，子类必须重写；否则运行时报NotImplementedError；且需同步实现_resource_apply_dense/_sparse、get_config/from_config，并注意设备对齐与性能陷阱。
-
Python企业数据仓库清洗规则核心是“配置+函数”双层结构，用YAML/JSON定义规则、标准化函数执行，结合PyArrow优化性能，强制质量反馈与回滚，并对齐数仓分层和调度系统。
-
该用functools.partial而不是闭包或lambda的情况是：需简单冻结部分参数、复用函数且保持元信息；它比lambda更易调试、支持keyword-only参数冻结，但无法冻结中间位置参数，此时应选闭包。
-
GEKKO本身不直接支持复数变量或.conj()方法，但可通过手动分离实部与虚部、分别建模来实现复数共轭——即保持实部不变、虚部取反，并确保所有优化逻辑兼容底层实数求解器。
-
glob模块用于匹配文件路径名，支持通配符如、?、[abc]和*（配合recursive=True实现递归），可快速查找指定模式的文件，返回字符串列表，常用作文件批量处理。
-
len()返回码点数而非显示宽度，直接与切片混用会导致中文、emoji显示错位；s[:n]按码点安全截取，需预留省略号空间，字节限制则须encode后判断。
-
结构化错误追踪需统一异常建模、注入上下文、串联可观测链路：定义分层异常体系（如AppError→ValidationError/ServiceError/PersistenceError），每类携带error_code、context、retryable；在抛出点注入用户ID、请求ID等运行时上下文；日志采用JSON格式并对接Sentry/APM，全链路透传trace_id实现跨服务回溯。
-
csv.reader返回list，需用下标访问；DictReader才返回dict并以首行为键；务必用newline=''和合适encoding（如utf-8-sig防BOM），否则易出错。
