-
直接重写__delattr__会出错，是因为若未调用super().__delattr__(name)，将绕过Python默认的属性删除检查（如只读描述符校验），导致无法真正删除属性或误删__dict__等关键属性而崩溃；安全做法是先执行自定义逻辑（如日志、校验），再委托父类完成实际删除。
-
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。
-
必须使用requests.Session()复用连接池以避免重复TCP/TLS握手，配合aiohttp.AsyncResolver和超时拆分（connect/read）可显著降低高频请求延迟。
-
assert在生产环境被-O参数编译期剔除，不执行、不检查、不报错；应改用if+raise做运行时校验，优先内置异常，高频路径避免耗时操作，用类型检查工具替代逻辑断言，以日志监控替代崩溃。
-
print(arr)显示省略号是因为NumPy默认启用摘要打印，由np.get_printoptions()的threshold参数控制，默认1000但小数组异常省略常因threshold被设低或Jupyter干扰；禁用方法是np.set_printoptions(threshold=np.inf)或上下文管理器临时生效，并建议配合linewidth=np.inf防折行。
-
argparse传模型参数需显式指定type=int/float、choices限定枚举值、布尔参数用action='store_true'；构建模型应封装为build_model(args)函数，统一读取args并to(device)；实验ID需用关键超参生成唯一目录名，并保存完整config.json。
-
TfidfVectorizer不支持真正的大规模内存外处理，因fit_transform会一次性加载全部文档构建词汇表并计算tf-idf矩阵，导致内存爆炸；需通过分块、HashingVectorizer、增量式CountVectorizer+TfidfTransformer等策略规避。
-
start_http_server会阻塞事件循环，因其启动的是同步WSGI服务器；应改用FastAPI+prometheus_fastapi_instrumentator等异步方案暴露/metrics端点。
-
json.dump保存中文乱码需同时设置ensure_ascii=False和encoding="utf-8"；处理非标准类型需用default参数；避免尾部逗号和控制字符以确保跨平台兼容。
-
Python的set不保证插入顺序，因其无序性是语言规范而非实现偶然；应使用dict.fromkeys()实现有序去重，或自定义OrderedSet类支持动态操作。
-
Redis高可用需主从+哨兵+客户端容错；连接池大小应匹配并发与耗时；键设计要小而准，禁大Value和pickle；穿透用布隆过滤器，击穿用逻辑过期或互斥锁，雪崩加TTL随机偏移。
-
Python测试系统核心是“可测性”与“自动化反馈闭环”，需通过解耦依赖、明确边界、分层测试（单元/集成/E2E）、合理使用fixture及针对性破局策略构建可演进测试骨架。
-
Flask-Mail初始化失败主因是未在应用上下文中调用send()，需确保绑定app且发信时处于app_context；SMTP配置需匹配端口与加密方式；异步发信应使用flask-executor或Celery并手动管理上下文。
-
Condition用于线程间协调，通过wait()和notify()实现等待-通知机制，典型应用于生产者-消费者模型，提升多线程程序同步效率与控制灵活性。
-
h5py与HDF5版本不匹配本质是编译时链接的HDF5动态库与运行时加载版本不一致，会导致TensorFlow模型加载卡死或崩溃；应优先用conda统一管理依赖，避免混用pip、手动降级或禁用校验。
