AI 生成代码太冗余？这 4 个优化技巧，让 Copilot 产出工业级代码

class DataProcessor:
    def __init__(self, data):
        self.data = data
    def get_data(self):
        return self.data
    def set_data(self, new_data):
        self.data = new_data
    def process(self):
        # ... 实际处理逻辑仅此一处需要
        result = [x * 2 for x in self.data]
        return result

# 实际可能只需一个函数
def process_data(data):
    return [x * 2 for x in data]

你是一位注重性能和代码简洁性的高级 Python 工程师。请遵循以下要求：
【指令】编写一个计算数字列表平均值的函数。
【要求】
1. 使用类型注解（Type Hints）。
2. 处理空列表情况，返回 0 而不是抛出异常。
3. 时间复杂度为 O(n)，空间复杂度为 O(1)。
4. 不引入外部库。
5. 函数名称为 `calculate_mean`。
【示例输入/输出】
输入：[1.0, 2.0, 3.0] -> 输出：2.0
输入：[] -> 输出：0

# 优化前（可能来自模糊提示）
def average(numbers):
    if len(numbers) == 0:
        return None  # 不符合返回0的要求
    sum = 0
    for num in numbers:
        sum += num
    avg = sum / len(numbers)
    return avg

# 优化后（来自精准提示）
from typing import List

def calculate_mean(numbers: List[float]) -> float:
    """计算浮点数列表的算术平均值，空列表返回 0.0。"""
    if not numbers:
        return 0.0
    total = 0.0
    count = 0
    for num in numbers:
        total += num
        count += 1
    return total / count  # 满足 O(n) 时间， O(1) 空间

请根据以下编码规范编写一个 React 函数组件：
- 使用 TypeScript，定义 Props 接口。
- 使用函数声明而非箭头函数。
- 使用解构赋值获取 props。
- 错误处理使用自定义 Hook `useErrorBoundary`。
- 禁止使用 `any` 类型。
组件名称：`UserProfileCard`，需展示用户姓名、头像和邮箱。

# 在提示中提供的约束示例
技术栈约束：
- 语言: Python 3.11+
- Web框架: FastAPI
- 数据库: SQLAlchemy 2.0 (ORM)
- 代码风格: Black 格式化，每行最大88字符
- 禁止: 避免使用全局变量，优先使用依赖注入

class PaymentProcessor:
    def process(self, method, amount):
        if method == "credit_card":
            # ... 数十行信用卡处理逻辑
        elif method == "paypal":
            # ... 数十行 PayPal 处理逻辑
        elif method == "crypto":
            # ... 数十行加密货币逻辑

上述代码耦合度高。请使用策略模式（Strategy Pattern）进行重构，定义 `PaymentStrategy` 抽象基类和具体策略类。再创建一个 `PaymentContext` 类来使用策略。

from abc import ABC, abstractmethod
from typing import Protocol

class PaymentStrategy(Protocol):
    def execute(self, amount: float) -> bool: ...

class CreditCardStrategy:
    def execute(self, amount: float) -> bool:
        # 具体信用卡逻辑
        return True

class PaymentContext:
    def __init__(self, strategy: PaymentStrategy):
        self._strategy = strategy
    def process_payment(self, amount: float) -> bool:
        return self._strategy.execute(amount)

# 使用
context = PaymentContext(CreditCardStrategy())
context.process_payment(100.0)

请分析以下 Python 代码可能存在的安全漏洞（如 SQL 注入、命令注入、路径遍历、硬编码密钥等），并提供修复后的安全版本。

# 假设 AI 先前生成的待审查代码
import sqlite3
import os

def get_user(username):
    conn = sqlite3.connect('database.db')
    cursor = conn.cursor()
    query = f"SELECT * FROM users WHERE username = '{username}'"  # 风险点：SQL注入
    cursor.execute(query)
    return cursor.fetchall()

def read_file(user_input):
    path = "/data/" + user_input  # 风险点：路径遍历
    with open(path, 'r') as f:
        return f.read()

分析以下函数的性能瓶颈，并提供一个优化版本。关注时间复杂度和不必要的对象创建。

def find_duplicates(items):
    duplicates = []
    for i in range(len(items)):
        for j in range(i+1, len(items)):
            if items[i] == items[j] and items[i] not in duplicates:
                duplicates.append(items[i])
    return duplicates  # 时间复杂度 O(n²)，且列表查找效率低