阶段1 那些验证脚本（之类）是典型的"写完就丢"式验证：每个脚本自己连一遍，靠print加肉眼看结果，加一个新脚本就得记住一条新命令。print所以我引入pytest，用四件套解决：自动发现test_*.py、用assert当统一的"过/挂"判官、fixture把"前置准备"抽出来复用、让 fixture 全局共享，把散装验证收编成"一条命令重复跑、共享前置、结果可判定"的测试体系。

要顺序和改动就用 list，要定值就用 tuple，要按名查就用 dict，要去重算关系就用 set。但对列表、字典这类可变容器，通过一个名字改了，另一个名字看到的全跟着变——这种"幽灵联动"是新手 bug 的重灾区。列表、元组、字符串看上去不一样，但都遵守同一套"序列协议"：能索引、能切片、能测成员、能拼接、能求长度。所有"通过某个标识取对应信息"的场景（联系人、配置、缓存、JSON）都该用字典

之前路由里只有一行——纯裸奔，零 try/except。service 层 catch 了异常也只是记日志再 raise，最后全砸到 FastAPI 默认兜底上。

详情接口的本质不是"多写一个路由"，是"列表返回摘要、详情返回正文"的场景分离。线程安全的关键补丁。，就自动管理生成器的"推进-暂停"节奏——请求进来跑到 yield 交出 session，路由跑完后回到 yield 之后执行。的函数，Python 不直接执行，而是返回一个 generator 对象。返回结果后，函数就死了——变量释放、执行位置清空，再也没下文。生成器，但替代品可以是任何可调用对象

Notebook 像"网页版单本笔记"，JupyterLab 是"浏览器中的 IDE"（升级版）。解释器是"让别的程序跑起来的程序"，位于代码与硬件之间的软件逻辑层。小结：venv 是工程化基本规范，流程五步——创建→激活→装包→导出→退出。系统 Python 被你塞满包，某天升级一个库，别的项目集体崩。（多态、运算符重载、多重继承、生成器、推导、闭包、装饰器、lambda）、是启动加速手段，源文

后面无论是把 JD 分析做成 POST 接口，还是让模型输出规范的 JSON，都建立在"System 定角色、User 传输入、模板函数负责拼装"这个模式之上。要让模型稳定输出我们想要的结果，就得设计好 Prompt，而不是随口一问。里只有一个普通函数，根本不是一个能对外提供服务的 Web 应用——没有应用实例，也没有任何接口。跑通后，输入一段 JD，模型稳定返回了"职位名称 / 技能要求 / 职

可迭代对象（Iterable）：实现了__iter__()方法的对象。该方法返回一个迭代器对象，可被iter()调用。迭代器对象（Iterator）：实现了__next__()方法的对象。该方法返回下一个元素，结束时抛出，可被next()调用。把迭代器想成"容器上的指针"：初始指向第一个元素；每次调用__next__()指针前移一位；指向末尾时抛出。迭代器不是容器本身，但有些容器自己也实现了迭代器

可迭代对象（Iterable）：实现了__iter__()方法的对象。该方法返回一个迭代器对象，可被iter()调用。迭代器对象（Iterator）：实现了__next__()方法的对象。该方法返回下一个元素，结束时抛出，可被next()调用。把迭代器想成"容器上的指针"：初始指向第一个元素；每次调用__next__()指针前移一位；指向末尾时抛出。迭代器不是容器本身，但有些容器自己也实现了迭代器

变量是标签不是盒子——类型属于对象，共享引用 + 可变/不可变决定了值的传播行为。数值/None/字符串三大基础类型，记住//向下取整、逻辑短路、str不可变。列表/元组/集合/字典四大结构，按"可变？有序？"选型；深浅拷贝是共享引用的最大坑。序列协议让你对一切有序容器举一反三。文件 + pickle解决持久化，但 pickle 有安全风险。四个综合案例把以上全部串成真实系统。一句话收尾：对象模型

迁移脚本 = 数据库结构的 Git commit。它不是"改数据库"，而是描述怎么改数据库——一个可重复执行的程序。Git数据库迁移git commit记录文件 diff生成 migration 文件（upgradedowngradegit push同步给队友队友跑git log看历史看迁移链git revert回滚回退一步任何人、任何环境，跑同一份迁移脚本，结果一样。假设以后加了张jd_tags