建议显式指定prog参数，避免python -m方式运行时help中程序名显示为-m；可选参数支持单短横（如-m）和双短横（--model）配对使用；nargs='?'需与const、default配合实现“有参/无参/不传”三态逻辑。
argparse.ArgumentParser() 初始化时要不要加 prog？
不加也能跑，但加了能避免命令名显示异常。比如脚本叫 train.py，不设 prog 时错误提示里可能显示 usage: train.py [-h] --model MODEL，看起来还行；但如果用 python -m train 方式运行，sys.argv[0] 就变成 -m，help 输出会变成 usage: -m [-h] --model MODEL——完全看不懂。
所以建议显式传入：parser = argparse.ArgumentParser(prog="train")。
可选参数必须用 -- 开头？- 单短横可以吗？
可以，而且推荐短选项和长选项配对使用，提升易用性。关键在定义方式：add_argument("-m", "--model", ...) 这样用户既可以用 python train.py -m resnet50，也能用 python train.py --model resnet50。注意：单字符短选项只能一个字母，且不能和已有短选项冲突；多个短选项连写（如 -vf）只在布尔型开关参数中自然支持，普通带值参数不支持连写——-mresnet50 不会被识别为 -m resnet50，会报错 unrecognized arguments: -mresnet50。
default、const 和 nargs='?' 怎么组合才不出错？
这三者常一起出现，也最容易混淆。典型场景是“有参可选，无参时启用默认行为”：
parser.add_argument(
"--lr",
nargs='?',
const=1e-3,
default=1e-4,
type=float
)
效果是：
仅使用 Python 将 Claw Code 虚拟化框架与 OpenClaw 集成，提供 184 种工具和 200 多条命令，用于安全分析和代码质量...
-
--lr 1e-2→ 值为1e-2 -
--lr→ 值为1e-3（const生效） - 不传
--lr→ 值为1e-4（default生效）
漏掉 default 会导致没传参数时值为 None；漏掉 const 则 --lr 单独出现会报错“expected one argument”。nargs='?' 是触发 const 的前提，没有它，const 完全不生效。
解析后怎么安全取值？别直接用 args.model
如果参数是可选的（没设 required=True），且没传，对应属性就是 None。直接访问 args.model.upper() 会抛 AttributeError。更稳妥的做法是：
- 用
getattr(args, "model", "default_model")提供回退值 - 或提前检查：
if args.model is not None: - 或者在
add_argument里用default="bert-base"显式兜底——只要不是动态计算的默认值，都建议这么干
另外，args 是 Namespace 实例，不支持字典式访问（args["model"] 会报错），必须用点号或 getattr。
nargs 和 const 的耦合关系，以及没设 default 导致后续逻辑崩在 None 上——这两个点一旦出问题，错误现象往往不直观，容易绕远路排查。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！
