-
必须用@transaction.atomic当一组数据库操作需原子性执行，任一失败则全部回滚；它确保数据一致性，避免脏数据，适用于视图或管理命令，不可用于模型方法或异步视图。
-
Python无真正访问控制，双下划线触发可预测的名称改写以避免子类冲突，单下划线仅为约定，运行时限制需手动实现。
-
必须先创建.venv是因为全局pipinstall会导致所有项目共享site-packages，引发版本冲突；而python-mvenv.venv可生成完全隔离的Python环境，确保依赖互不干扰。
-
<p>TaskGroup会自动取消其余任务，gather默认不会；TaskGroup用asyncwith管理生命周期，抛出ExceptionGroup并需except*捕获，而gather无语法约束、异常不聚合、需手动处理返回值。</p>
-
不能只靠X-User-ID，因其易缺失、伪造或未透传；应优先用X-Gray-Flag，其次Cookieuser_id取模分桶，并加业务指标兜底（如rerank_score_mean降超0.15），且灰度与AB分流逻辑需严格区分。
-
resample('Q')默认按自然季度（3/6/9/12月）切分，但财务季度需指定终点如'Q-APR'；须用agg()按列定义聚合逻辑，再用to_period().strftime('%Y-Q%q')格式化索引，并手动补全空季度。
-
Python自定义对象相等比较需正确实现__eq__和__hash__方法：__eq__须满足自反性、对称性、传递性，__hash__须与__eq__一致，可变对象应设__hash__=None，不可变对象按参与比较的字段计算哈希。
-
最直接的方法是使用datetime模块中的date或datetime对象相减，得到timedelta对象后调用其.days属性。首先将日期字符串通过strptime解析为datetime对象，或直接创建date对象，然后进行减法运算，结果的days属性即为天数差。该方法自动处理闰年和不同月份的天数差异，无需手动计算。若涉及时区，应使用pytz或zoneinfo创建带时区信息的“感知型”datetime对象，以确保跨时区计算准确。此外，timedelta还支持更精细的时间差计算，如通过total_secon
-
Python标准库json慢因纯Python实现及默认启用Unicode解码、对象钩子、重复键检查等安全逻辑；ujson和orjson用C/C++编写，跳过部分校验，速度快2–5倍。
-
@app.errorhandler(404)必须在app.run()前注册，且需显式返回状态码404；若在工厂函数、条件分支或蓝图中错误注册则失效，全局处理须用@app.errorhandler而非@bp.errorhandler。
-
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。
-
ClusterSpec是TensorFlow分布式训练的拓扑描述对象，用于定义集群中各任务的角色（ps/worker）、主机名和端口；不能直接写死IP地址，因其易变、端口易冲突、环境差异大，且会导致连接失败、配置不一致等问题。
-
Python生成随机数主要依赖random模块，该模块提供生成伪随机数的多种方法，包括random()、uniform()、randint()等函数用于生成浮点数和整数，choice()、sample()、shuffle()用于序列操作，并可通过seed()设置种子实现可重现性；需注意其生成的是伪随机数，不适用于安全场景，应使用secrets模块替代；在大数据量下推荐使用NumPy提升性能。
-
Python类型提示仅用于开发阶段静态检查和IDE支持，运行时完全忽略，不校验也不影响执行；需第三方库如pydantic或beartype实现运行时校验。
-
Python中可哈希对象需满足“相等对象哈希值相同”且哈希值生命周期内不可变；内置不可变类型（如int、str、tuple）默认可哈希，可变类型（如list、dict）默认不可哈希；自定义类需同时实现__hash__和__eq__方法，并确保参与哈希的属性逻辑不可变。
