-
启动后直接访问proc.pid即可获取PID，但需避免shell=True和链式调用（如.wait()）导致proc变为None；推荐shell=False+参数列表，并用psutil.pid_exists()或进程启动时间校验PID有效性。
-
fun只是普通函数名，无特殊含义但易引发命名冲突；应使用描述性名称如clean_strings，并添加类型注解、文档字符串和异常处理以提升可维护性。
-
团队协作选towncrier，个人项目或已用Angular风格规范的选conventional-commits+cz-cli；towncrier不依赖commit格式，通过changelog.d/碎片文件聚合，避免rebase和格式卡点问题。
-
CI中pytest找不到测试文件或报错，主因是工作目录与Python路径不一致、缺少__init__.py、环境变量缺失、临时文件并发冲突及coverage路径配置错误。
-
在Python中，/用于除法运算，总是返回浮点数结果。1）在Python3.x中，5/2结果为2.5；2）使用//进行整数除法，5//2结果为2；3）大数或小数计算时，使用decimal模块避免浮点误差；4）科学计算或金融应用中需注意浮点数表示误差，可用round或decimal模块；5）性能方面，//在大量整数运算时比/更快。
-
is和==结果一致当两变量指向同一对象，如小整数（-5~256）、短字符串等缓存对象；结果不同当值相等但对象不同，如列表、大整数或长字符串；判断布尔值应优先用ifx:，None比较必须用isNone。
-
正则回溯因嵌套量词、重叠分支等导致指数级试错，使匹配耗时暴增；可用regex模块超时机制、长度递增测试及re.DEBUG字节码分析来识别和规避。
-
APScheduler任务不执行的主因是jobstore选错、参数传递错误、主线程退出及任务无超时防护；需用SQLAlchemyJobStore持久化、kwargs/partial传参、event.wait()阻塞主线程、加timeout和max_instances防护。
-
Python抽象类的核心价值在于表达设计意图、降低协作成本、保障系统可扩展性：它通过语法契约明确接口责任，支持开闭原则，封装共性逻辑，并为类型检查提供可靠锚点。
-
torch.cuda.amp不能直接套在模型外面，因其仅动态插入autocast和GradScaler逻辑，不修改模型结构或参数类型；需协同对齐权重（float32）、输入（float32）与损失（autocast外调用），并严格按scaler.scale→step→update顺序执行。
-
PR曲线无全局最优阈值，只有业务最优；需结合漏判与误判成本权衡precision和recall，优先满足业务约束（如最低召回率），而非盲目追求F1最大。
-
应使用OmegaConf.structured()包装带@dataclass装饰、字段全有类型注解、默认值用field(default_factory=...)的类；YAML合并需先转原生结构再重建或启用严格模式；必填字段不可用MISSING，须显式赋默认值；传入LightningModule前需to_container(resolve=True,throw_on_missing=True)。
-
GIL是CPython为简化引用计数内存管理而设的全局互斥锁，牺牲多线程CPU并行性以保障C扩展兼容与实现简单；Python3.12仅优化为细粒度锁，未移除GIL。
-
缓存穿透是指高频查询根本不存在的key，导致请求直击数据库；典型表现是Redisget返回None且DB也无数据，需通过入口校验、空值标记（如"__NULL__"）、布隆过滤器（限可枚举场景）等多层防御。
-
Python使用async/await的核心在于定义协程（asyncdef）和等待协程完成（await），它让程序在等待I/O操作时可以切换到其他任务，显著提升并发性能，尤其适用于网络请求、文件读写等I/O密集型场景。在Python中，async/await是实现异步编程，特别是基于协程（coroutines）的并发机制的关键语法糖。简单来说，它允许你的程序在执行一个耗时但不需要CPU计算的任务（比如等待网络响应、数据库查询或文件读写）时，暂时“暂停”当前任务，让出控制权给事件循环，去执行其他准备就绪的
