编写兼容TensorFlow 1和2的代码的最佳实践之一是使用TensorFlow 2中的兼容性模块tf.compat.v1。这个模块提供了一种兼容性层，可以在TensorFlow 2的环境中使用TensorFlow 1的功能。

下面是一个示例，展示如何使用tf.compat.v1模块编写兼容TensorFlow 1和2的代码：

import tensorflow as tf

# 检查TensorFlow版本，如果是2.x版本，则启用兼容模式
if tf.__version__.startswith('2'):
    import tensorflow.compat.v1 as tf
    tf.disable_v2_behavior()

# 创建一个TensorFlow计算图
graph = tf.Graph()

# 在计算图中定义操作
with graph.as_default():
    # 使用兼容模式下的tf.placeholder创建占位符
    x = tf.placeholder(tf.float32, shape=(None,), name='x')

    # 使用兼容模式下的tf.Variable创建变量
    W = tf.Variable(tf.random_normal((1,), stddev=0.1), name='W')
    b = tf.Variable(tf.zeros((1,)), name='b')

    # 使用兼容模式下的tf.multiply和tf.add进行操作
    y = tf.compat.v1.add(tf.compat.v1.multiply(x, W), b, name='y')

# 创建一个会话并运行计算图
with tf.compat.v1.Session(graph=graph) as sess:
    # 初始化变量
    sess.run(tf.compat.v1.global_variables_initializer())

    # 运行计算图中的操作
    result = sess.run(y, feed_dict={x: [1, 2, 3]})
    print(result)

在上面的代码中，我们首先检查TensorFlow的版本。如果是2.x版本，我们导入tensorflow.compat.v1模块，并禁用TensorFlow 2的行为。然后，我们创建一个TensorFlow计算图，并在计算图中使用tf.compat.v1模块的函数和类来定义操作。最后，我们创建一个会话并运行计算图。