-
DeepSpeed集成前必须确认三件事：CUDA可用且驱动≥525.60.13；模型已封装为torch.nn.Module；训练循环未手动调用.to(device)或.cuda()，否则张量跨设备错误。
-
逻辑删除是通过deleted_at等字段标记数据“已删除”而非物理删除，需自动过滤未删除记录以避免遗漏；SQLAlchemy需结合Query子类、事件监听和显式关系条件实现全局、安全、可绕过的软删机制。
-
GroupBy未返回结果是因为它返回延迟计算对象，需接聚合方法如sum()；agg()易因列名错误或格式不规范报KeyError；transform()适合等长广播，apply()用于复杂逻辑但需注意索引；NaN键默认被剔除，需dropna=False保留。
-
因为pickle只记录“模块名+函数名”路径而非函数体，子进程需据此重新导入；若函数在__main__中（如脚本顶层），Windowsspawn无法复现上下文；若在嵌套作用域，则无全局名称可查，导致PicklingError。
-
用+拼接字符串越拼越慢，因str不可变，每次+都新建对象并丢弃原字符串；拼接1000次产生999个废弃字符串，内存与时间双浪费。
-
直接用pandas.read_csv()读千万行卡死，本质是默认C解析器逐行做类型推断和Python对象构造；改用PyArrow后端（engine="pyarrow"）并预设dtype、usecols等参数，可将1200万行读取从90秒降至15秒内、内存从8GB压至≤3.5GB。
-
Python条件表达式写法为“值1if条件else值2”，用于一行内简单条件选择，不可省略else，不能执行语句，仅返回值，嵌套不宜超过一层。
-
defaultdict初始化必须传可调用对象，如int、list、lambda:"N/A"；不可传0或[]；int不带括号；计数用defaultdict(int)，归集用defaultdict(list)；访问缺失key会自动插入，影响内存和键判断。
-
CIMultiDict比MultiDict多占15%–30%内存，主因大小写缓存和哈希表开销；HTTP场景用CIMultiDict，非HTTP用MultiDict；len()返回总键值对数，去重需len(multidict.keys())。
-
应使用bbox_to_anchor与ncol联合控制图例位置，配合tight_layout的rect参数预留空间或用subplots_adjust直接调整边距，再通过columnspacing、handlelength和fontsize微调多行图例对齐与显示效果。
-
pip-autoremove是基于pip依赖快照逆向推导冗余包的第三方工具，仅删除未被任何保留包声明为依赖且非显式安装的包，不分析代码、不读requirements.txt、不处理conda/pep517/手动安装包。
-
Python属性访问优先调用__getattribute__（每次访问都触发，负责完整查找流程），仅当其抛出AttributeError时才调用__getattr__（仅兜底处理不存在的属性）。
-
dataclass能省略__init__和__repr__是因为@dataclass在类构造期自动生成这些方法，而非继承或运行时patch；若手动定义了__init__，则装饰器跳过生成。
-
根本原因是Python环境与pip不匹配，需用python-mpipinstallflask并确认版本一致；FlaskCLI要求app变量在模块顶层且文件名正确；模板和静态文件须按约定目录结构放置。
-
copy.deepcopy有时改了原对象，是因为其对不可拷贝成分（如文件句柄、线程锁）、未正确实现__reduce__或__getstate__的自定义类、或某些C扩展类型（如旧版NumPy数组）可能静默降级为浅拷贝或抛出TypeError，导致隔离失效。
