这个坑值得记一笔。把 1024 维 float32 向量用 numpy tobytes 存进 Redis，读回来 reshape 报 ValueError: cannot reshape array of size 4096 into shape (1024,)，写入时明明是 1024 维，redis-py 5.0，Python 3.11。
刚开始盯着「numpy 在某些平台默认 dtype 是 float64」，折腾了半个多小时，排掉了。
原因不止一个，得分开看。存的是 float16，读的时候按 float32 解；客户端开了 decode_responses，二进制被转成字符串；写入前做了截断，字节数和维度对不上。
先确认写入数组的 dtype 和 itemsize
python -c "import numpy as np;a=np.zeros(1024,dtype='float32');print(a.dtype,a.itemsize,a.nbytes)"然后读回来先看字节长度再决定 dtype
python -c "import redis;r=redis.Redis(decode_responses=False);b=r.get('emb:1');print(len(b))"接着用 np.frombuffer 按 float32 解析并校验形状
python -c "import numpy as np;b=b'\x00'*4096;a=np.frombuffer(b,dtype='float32');print(a.shape)"剩下的就是把 dtype 和维度一起写进元数据
python -c "import json;print(json.dumps({'dtype':'float32','dim':1024}))"手上没有现成的复现脚本，就照着线上请求手工拼了一个。
报错是间歇性的，我蹲守了半小时才抓到一次完整现场。
改完先别撤，确认这几项。读取后的数组 shape 是 (1024,)，前三个值与写入时一致，余弦相似度自比为 1.0，不再抛 reshape 错误。
二进制缓存的坑几乎都在 dtype 上，float16 和 float32 的字节数差一倍；把 dtype 和维度写进同一个 key 的元数据，比事后猜要省事。这类问题最好一次改到位，反复小改反而容易把原因搅混。