Flask启动慢、内存占用高，根本原因是顶层import重型模块或蓝图中过早初始化；应将import移至函数内、初始化逻辑封装为按需调用的函数，并避免debug模式下模板缓存等机制导致内存驻留。
Flask 应用启动慢、内存占用高，基本可以断定是顶层 import 重型模块（如 pandas、torch、transformers）或蓝图中过早执行初始化逻辑导致的——不是 Flask 慢，是你让它在启动时干了太多不该干的事。
延迟导入必须写在函数/方法内部，不能只挪到模块底部
常见错误是把 import 从文件顶部移到 __init__.py 底部，这毫无作用：Python 解释器仍会在模块加载时执行它。真正起效的只有运行时导入。
-
def api_handler(): import requests; return requests.get(...)—— 每次调用才导入 -
class HeavyService: def __init__(self): import transformers; self.model = transformers.AutoModel.from_pretrained(...)—— 实例化时才加载 - 避免在蓝图的
__init__.py或构造函数里做任何 I/O 或模型加载，比如load_config()、init_redis_client()
蓝图注册阶段不要触发任何业务初始化
很多项目在 create_app() 里直接 app.register_blueprint(user_bp)，但 user_bp 文件顶层就写了 redis = Redis.from_url(...) 或 load_user_dict() —— 这些代码在 import user_bp 阶段就执行了，和是否注册无关。
- 蓝图文件只保留声明式内容：
Blueprint实例、@bp.route、@bp.before_request - 把初始化逻辑封装成函数，例如
init_user_service(app)，并在create_app()中按需调用（甚至可延迟到首次请求） - 所有共享对象存进
app.extensions，别用全局变量，避免跨蓝图污染和提前初始化
开发模式下内存只涨不降？先关掉 debug 和 auto_reload
开发服务器（Werkzeug）在 debug=True 时会开启模板 AST 缓存、源码重载监听、异常捕获堆栈保留等机制，这些对象会长期驻留，GC 无法回收。
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
- 临时测试也请设
debug=False；生产环境必须禁用 - 显式关闭模板自动重载：
app.jinja_env.auto_reload = False - 避免在模块顶层或
app.config中挂载大对象，比如app.config['BIG_DATA'] = json.load(open('data.json')) - 用
tracemalloc定位泄漏源头：启动前tracemalloc.start()，请求后snapshot2.compare_to(snapshot1, 'lineno')，聚焦你自己的路径（如*/myapp/*）
非 HTTP 场景不该拉起全部扩展
CLI 命令、定时任务、健康检查接口等，并不需要数据库连接、缓存客户端或邮件服务。但默认情况下，Flask-SQLAlchemy、Flask-Caching 等扩展在 init_app() 被调用时就会建立连接或加载配置。
- 对 CLI 命令，用
app.app_context()+ 按需init_app() - 对轻量接口，加配置开关控制分支，例如
app.config['SKIP_CACHE'] = True - 通过
os.environ.get('FLASK_ENV')或自定义变量，在开发/测试环境关闭部分扩展
最容易被忽略的一点：延迟加载的效果完全取决于「首次调用时机」。某个视图从不被访问，它里面的 import 就永远不会发生；但一旦被调用，那一次的延迟成本（模型加载、I/O 等）就会实实在在落在第一个用户头上——所以得结合预热机制或异步初始化来兜底。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
