如果此时线程池饱和，CallerRunsPolicy会让当前线程自己执行task，而task里面又要去std::lock_guard(mtx)，这时线程就卡住了——它在等自己释放锁，但自己又被卡在执行task的环节，形成死锁。线程池饱和时，Caller线程（通常是Web服务器的IO线程、消息消费者线程）被占用执行任务 → 提交速度自然变慢 → 形成背压。AbortPolicy适用于强一致性、零丢失

存在独立的上行通道（你发我收）、下行通道（我发你收），关闭连接时，两个方向的通道需要分别关闭，这就是「建立连接 3 次、断开连接 4 次」的根本原因。主动关闭方：先调用 close() / 主动发起断开（可以是客户端，也可以是服务端，不固定）被动关闭方：收到 FIN 后，被动响应关闭如果被动方留 TIME_WAIT：服务端一般固定端口，频繁重启服务会因大量 TIME_WAIT 端口占用，无法立刻监

最近 AI 圈子里最火的词就是 Agent。无论是字节、阿里还是腾讯的招聘 JD，几乎都把 Agent 开发能力列为加分项或必备技能。很多小伙伴（包括我刚入门时）都觉得 Agent “听起来很高大上”，其实它就是让大模型（LLM）从“只会聊天”变成“能真正干活”的关键进化。本文将一步步、零基础地给你讲透以下三个核心问题：1.什么是 Agent？2.它和LLM有什么本质不同？大模型有哪些致命局限性？

最近 AI 圈子里最火的词就是 Agent。无论是字节、阿里还是腾讯的招聘 JD，几乎都把 Agent 开发能力列为加分项或必备技能。很多小伙伴（包括我刚入门时）都觉得 Agent “听起来很高大上”，其实它就是让大模型（LLM）从“只会聊天”变成“能真正干活”的关键进化。本文将一步步、零基础地给你讲透以下三个核心问题：1.什么是 Agent？2.它和LLM有什么本质不同？大模型有哪些致命局限性？

最近 AI 圈子里最火的词就是 Agent。无论是字节、阿里还是腾讯的招聘 JD，几乎都把 Agent 开发能力列为加分项或必备技能。很多小伙伴（包括我刚入门时）都觉得 Agent “听起来很高大上”，其实它就是让大模型（LLM）从“只会聊天”变成“能真正干活”的关键进化。本文将一步步、零基础地给你讲透以下三个核心问题：1.什么是 Agent？2.它和LLM有什么本质不同？大模型有哪些致命局限性？

先等待队列清空（while (!创建新线程：if (m_idleThreadSize <= 0 && m_curThreadSize < m_maxThreadSize) → 立刻扩容。使用 predicate + wait_for 是 C++11 最佳实践：自动处理虚假唤醒，超时后直接返回失败（1）。先尝试 m_queue.Put()，失败（队列满）则调用者直接执行（Caller-Runs 策略

池内维护一组预先创建好的工作线程，所有提交的任务不会立刻执行，而是放入一个任务队列中，由这些固定数量的线程依次取出并执行。使用 std::list 而非 std::queue 是因为 Take(list) 可以 std::move 整个队列，性能极高（批量消费时优势明显）。这些函数在持有 mutex 的情况下被调用（wait 的 predicate 语义保证），所以里面直接访问 m_queue.s

池内维护一组预先创建好的工作线程，所有提交的任务不会立刻执行，而是放入一个任务队列中，由这些固定数量的线程依次取出并执行。使用 std::list 而非 std::queue 是因为 Take(list) 可以 std::move 整个队列，性能极高（批量消费时优势明显）。这些函数在持有 mutex 的情况下被调用（wait 的 predicate 语义保证），所以里面直接访问 m_queue.s

答：因为IoT设备算力弱、内存小：PSK无证书校验，握手仅2轮，计算量极小，更适合资源受限的设备；而ECDHE需要生成临时密钥对，计算成本相对更高。答：选ECDHE-RSA。理由：① 支持前向保密，安全性更高；答：因为SM2是我国自主研发的国密算法，符合《网络安全法》等国内合规要求，能避免国外算法的潜在后门风险，保障金融数据的国家安全。基于长期密钥的算法：依赖服务器长期公钥 / 私钥，无临时密钥，

先看看新增的目录与源文件：之前的6个文件（ChatServer、ChatService、public.h、main.cpp）构建了一个高性能网络框架 + 业务分发解耦，但业务（login/reg）只是打印日志，没有真实功能。新增的5个文件（db.h、db.cpp、user.hpp、usermodel.hpp、usermodel.cpp）加入了数据持久化层，实现了真正的用户注册（把用户名、密码存到