-
需安装django-redis并配置CACHES，指定BACKEND为django_redis.cache.RedisCache、LOCATION为带数据库编号的RedisURL，同时正确设置中间件顺序、Session引擎及缓存键前缀等细节。
-
AI岗位核心要问题建模、数据敏感度、算法理解深度和工程落地闭环能力；三类岗位分别侧重数学与论文复现、分布式工程与线上指标、多模态集成与Prompt设计；Python程序员需补数据质量校验、模型全周期管理、无监督/小样本问题解决能力。
-
os.environ不能直接深拷贝，因其是os._Environ实例，绑定进程环境且不可序列化；安全备份需用dict(os.environ)或os.environ.copy()，恢复须逐项赋值而非clear()。
-
逻辑回归调优关键在于数据预处理、正则化调节、评估指标选择与特征工程。需标准化、独热编码、合理填充缺失值；用GridSearchCV调C参数；重视AUC与概率校准；通过非线性变换和领域特征提升效果。
-
NumPy花式索引中a[rows,cols]本质是笛卡尔积配对，rows[i]与cols[i]组成第i个坐标，要求两数组等长，否则报IndexError；一维数组不支持双索引，需reshape或ravel_multi_index转换。
-
Python中保证线程安全需手动加锁，因GIL不保护共享数据；count+=1非原子操作，易致竞态条件；应使用threading.Lock配合with语句保护临界区。
-
Linux下psutil.sensors_temperatures()拿不到CPU温度，主因是coretemp等硬件监控驱动未加载；需手动modprobe或写入/etc/modules，且依赖psutil≥5.9.0；Windows原生WMI不支持，macOS需用smc工具（AppleSilicon暂不支持），跨平台必须基于运行时探测而非OS判断。
-
Counter减法默认保留负值，需手动实现零截断：遍历左右键并集，对每键取max(0,left[k]-right.get(k,0))构造新Counter。
-
直接用Flask/FastAPI处理高并发模型请求会卡死，因PythonGIL和同步框架限制导致显存与线程耗尽；单次推理>200ms且QPS>2时必须异步解耦，Celery+Redis需规范配置模型加载、缓存TTL及状态查询链路。
-
结论：Docker中运行pytest需同步源码、依赖、路径和PYTHONPATH，否则必报ModuleNotFoundError或ImportError；核心是确保容器内sys.path包含项目根目录且WORKDIR与COPY一致。
-
Python3.9引入|和|=操作符简化字典合并：|创建新字典并覆盖重复键，|=就地更新原字典；相比{d1,d2}和update()更直观，仅支持字典类型且需Python3.9+。
-
用@pytest.mark.slow标记测试为“慢”，需在pytest.ini或pyproject.toml中注册marker；通过pytest-mslow运行或pytest-m"notslow"跳过，语义由开发者定义而非耗时自动判定。
-
应分层捕获FileNotFoundError、PermissionError等具体异常，优先使用with语句管理文件，关键数据写入采用临时文件+原子重命名，编码错误需显式指定errors参数或用二进制模式。
-
StandardScaler不能直接fit测试集，因会泄露测试信息导致评估失真；必须仅用训练集fit_transform，测试集仅transform，并持久化模型；对NaN报错，需前置处理缺失值；稀疏矩阵慎用with_mean=True；inverse_transform仅限原数据精确还原。
-
opencc-python安装失败主因是PyPI包不包含libopencc.so等系统依赖，需先装libopencc-dev（Linux）、opencc（macOS）或改用opencc-python（Windows）；编码乱码须显式指定encoding='utf-8'；config选错致转换失准，应按地区选用s2tw等配置；大文件须流式逐行处理防内存溢出。
