-
PythonTDD并非适用于所有项目，其适用性取决于项目规模、团队经验、交付节奏和问题域确定性；适合需求明确、逻辑可拆解、边界清晰的场景，如核心业务规则模块、工具类库开发、遗留系统重构等。
-
关键在于精准提取音频特征和稳定预处理；需统一采样率（推荐16kHz）、分帧加窗（如n_fft=2048、hop_length=1024）以保障模型效果。
-
Python运算符优先级由官方文档明确定义，决定表达式中操作执行顺序；相同优先级时按结合性处理，如右结合的**，且=不能出现在表达式中。
-
局部变量比全局变量快，因Python用LOAD_FAST直接索引栈帧，而LOAD_GLOBAL需遍历模块字典；循环中应避免字符串累加、重复类型检查和冗余索引；生成器适合大数据流式处理，小数据全量消费时反增开销。
-
tuple的不可变性是语义契约而非限制，确保内容创建后不被篡改，支撑哈希、线程安全与内存优化；其不可变仅限直接元素引用，不递归约束内部对象状态。
-
答案是重建虚拟环境并重装依赖可解决多数Python环境问题。首先删除旧虚拟环境，用python-mvenvvenv重建，激活后通过pipinstall-rrequirements.txt恢复依赖；若遇包冲突或缓存异常，执行pipcachepurge清除缓存，并卸载重装问题包；全局环境混乱时，导出pipfreeze>my_packages.txt备份重要包，必要时重装Python并正确配置PATH；推荐使用pyenv或py管理多版本Python，最后通过python--version和whichpyt
-
eq和hash必须同步修改：若重写eq但未定义hash__，对象变为不可哈希；若支持哈希，需显式定义一致的__hash__；若含可变字段，应保持__hash为None。
-
调用API接口是Python爬虫获取结构化数据最高效合规的方式，需抓包分析URL与请求方式，构造含认证的合法请求，解析响应时做好异常防护，并控制频率、保存结果、处理分页。
-
gc.get_referrers()是定位循环引用的核心工具：它返回直接引用目标对象的所有对象，需先禁用自动回收并手动触发collect，再逐层回溯引用链，配合gc.get_objects()和sys.getrefcount()交叉验证，优先排查自定义类、闭包及weakref相关对象。
-
应显式指定官方源、禁用不可信索引、校验哈希、用safety扫描依赖、避免盲目升级、结合CI自动检测并评估实际风险。
-
Pydantic2默认将set序列化为无序列表，导致JSON输出不稳定；本文介绍通过@field_serializer实现字段级可控排序，并提供可复用的基类方案，避免重复定义，兼顾简洁性与可扩展性。
-
cProfile是定位Python性能瓶颈最轻量可靠的方法，应插入关键入口调用并优先分析cumtime，结合pstats排序识别高耗时函数；CPU利用率低但卡顿时需先用top-H验证是否GIL争用。
-
is比较对象身份，==比较值内容；判断None用is，判断相等用==。
-
贪婪模式和非贪婪模式的区别在于匹配时的“胃口”不同。贪婪模式会尽可能多地匹配内容，默认情况下使用的量词如、+、{}均为贪婪模式，例如正则<.>会匹配整个字符串Hello，而非贪婪模式通过在量词后加?实现，尽可能少地匹配，如<.*?>只会匹配到。实际应用中常见问题包括：1.提取HTML内容时容易出错，使用非贪婪模式可避免一次匹配多个标签；2.日志分析中误匹配整段内容，需使用非贪婪模式准确提取目标部分。
-
async/await异常不会自动冒泡，未await的协程异常会静默滞留；Task.cancel()仅设标记需手动响应；gather()默认传播首个异常；未读取task.exception()会导致异常隐藏。
