用两组有对应关系的时间序列数据做预测的几条思路：滑动平均、线性回归、ARIMA 以及 LSTM 这类模型，比较各自对数据量和特征的要求。

Python 应用镜像动辄上 G，本文用多阶段构建把编译依赖留在 build 阶段，运行阶段只留 slim 基础镜像和装好的依赖，并说明依赖安装顺序对缓存的影响。

跑模型时最常用的几条命令：实时看 GPU 占用、导出 Python 依赖清单、把本地文档解析服务挂在后台常驻。