大型项目中Python语言表现如何？

在开始前刚好我有一些资料，是我根据网友给的问题精心整理了一份「Python的资料从专业入门到高级教程」，

点个关注在评论区回复“888”之后私信回复“888”，全部无偿共享给大家！！！你有没有经历过那种，跑个python写的dataflow跑了5个小时，最后要输出的时候来个str index has to be int, got list这种。把编译期的错误放运行期，我也不懂这个什么思维模式，之前学的不都是尽可能地把运行期错误放到编译期么？是，我是菜，但谁没有个菜的时候？谁一出生就是python高手？这语言真的有毒了。

还有一次调用别人的api，有个错误死活跑不对，绝望了贴gpt里面问为什么，他说你这里typo了，kwargs里面eov写成eav了。诶，爷就是不报错，看你急得跳脚～

再吐槽一下python的type annotation，组里强制git commit/push的时候lint检查，不写不过不让你commit/push。。。我代码都跑通了你又要我回去补type。。。偏偏你python又支持这种递归dict of dict，我怎么写type？最后又是个pylint ignore了事。本来帮你编程帮你检查错误的东西现在反而变成了枷锁，无语无语。

别问我为什么非要用python，工作上的事我有得选？team founder没有技术视野，什么简单什么方便就拿出来用了，ML又是一群pythoner在那搞，没办法。

还是之前的组厉害，core ML serving用C++对速度有极限，外面包了一层Golang service方便了大家合作，dataflow全用Java因为生态发达对速度和资源限制又不大，只有ML trainer用的python，合理就一个字。