-
FastAPI实现“登录后才显示某些字段”的核心是动态响应模型，可通过三种方式：一用Field(exclude=True)配合model_dump条件序列化；二定义UserPublic与UserPrivate两个模型并用Union响应类型；三用依赖注入+模型工厂函数按权限返回不同实例。
-
cosine_similarity对超长文本报错或不准，因其只处理向量；超长文本直接向量化易致内存爆炸、维度失控或语义失真；应先分句、用sentence-transformers编码、再均值池化并归一化后计算相似度。
-
推荐新代码优先用@或matmul：matmul专为矩阵乘法设计，只对最后两轴做双点积并支持广播，而dot行为复杂（一维为内积、高维易降维），易引发隐式bug。
-
asyncio任务异常默认不传播且不自动重试，需手动实现重试逻辑；@async_retry装饰器须支持异常过滤、指数退避和超时兜底，避免阻塞事件循环。
-
支持partial_fit的模型包括SGDClassifier、SGDRegressor、PassiveAggressiveClassifier、MiniBatchKMeans和MultinomialNB；RandomForestClassifier和SVC等不支持，调用会报AttributeError。
-
类实现带状态的装饰器更可靠，因类实例天然独立持状态，而闭包易因共享自由变量导致错乱；必须实现__init__（存func、初始化静态状态）和__call__（处理动态行为），缺一不可。
-
Python中取消异步任务需调用Task.cancel()触发协作式取消，协程必须在await点响应CancelledError并重抛，否则取消无效；纯CPU计算或阻塞IO需转为异步执行以支持取消。
-
pyproject.toml中build-backend应与所选工具严格匹配：hatchling需"hatchling.build"，flit_core需"flit_core.buildapi"，setuptools64.0+默认即"setuptools.build_meta"；硬写死可能覆盖轻量构建逻辑或触发降级，且必须配全requires和build-backend。
-
使用--no-cache-dir参数可缓解pip安装时的MemoryError，它禁用本地缓存以减少磁盘I/O和临时内存压力，但不降低编译过程本身的内存占用，需配合--no-deps、--find-links等参数及环境变量PIP_DISABLE_PIP_VERSION_CHECK=1协同优化。
-
本文详解在Accelerate框架下正确实现主进程计算后向所有进程广播张量的方法，重点解决因初始化为None或空张量导致的TypeError问题，并提供可直接复用的安全广播模式。
-
PyechartsSankey要求nodes（按业务顺序排列的去重步骤名）和links（含source/target/value的字典列表），需从原始日志聚合转化频次，注意中文字体设置、流量归一化及低频路径保留。
-
sheet_name参数可传None、字符串、整数、字符串列表或整数列表：None读全部表并返回字典；字符串或整数读单表并返回DataFrame；列表读多表并返回字典；非法组合如["Sheet1",None]会报ValueError。
-
Python中AI模型输出答案的本质是确定性数学流程，分为三步：一、token化将文本转为整数ID；二、前向传播经嵌入层和Transformer计算logits；三、解码采样依策略将logits转为最终文本。
-
应使用importlib.resources替代__file__拼路径，因其能统一处理源码运行和打包后资源读取；打包工具还需显式声明资源文件，否则资源虽可读但未被包含。
-
因为Python字符串不可变，每次+拼接都创建新对象并复制全部内容，循环中呈O(n²)复杂度；而join()预估总长、一次分配内存，复杂度为O(n)，但仅在拼接项较多（>5）且动态积累时才显著优于+。
