因为自动微分需记录计算过程并反向传播，double无法保存依赖关系，故需Var封装值与梯度、Tape记录操作；Var拷贝需引用语义防梯度污染，Tape须按需构造、避免全局单例，所有梯度更新用+=，且tape存储操作而非值。
为什么不用 double 而要自定义 Tape 和 Var
因为自动微分不是数值微分（比如用 (f(x+h)-f(x))/h），也不是符号微分（推表达式），它依赖对计算过程的**记录与反向传播**。用原生 double 无法保存运算依赖关系，必须封装一个能携带梯度、记录操作的类型。
常见错误是试图“重载 operator+ 就完事”，结果发现梯度没连上、中间变量被析构、或者反向时找不到父节点——根本原因是没建 tape（计算图日志）或没管内存生命周期。
- 每个
Var必须持有一个唯一id，用于在Tape中索引其前驱和梯度函数 -
Tape不能是全局单例，否则多线程或嵌套求导会冲突；推荐按需构造、作用域绑定（比如函数内Tape tape;） - 所有算术运算必须同时更新值 和 向
Tape推入操作元组（如{op: ADD, lhs_id, rhs_id, out_id}）
backward() 怎么避免重复累加或漏传梯度
反向传播本质是拓扑逆序遍历 tape，对每个操作调用对应的梯度函数，并把结果累加到对应输入变量的 .grad 上。最容易出错的是：梯度覆盖而非累加（比如直接赋值 lhs.grad = ...）、或某个分支没触发反向（比如 if 分支里没参与计算图）。
典型场景是复合函数如 f(x) = sin(x * x) + cos(x)，其中 x * x 的梯度要贡献两次（来自 sin 和外部加法），但如果你在 ADD 的梯度函数里写成 lhs.grad = dout，就丢了 sin' 那份。
立即学习“C++免费学习笔记（深入）”；
组合式C++代码评审方案，融合静态分析、AI推理、多轮迭代评审和C++专项检查，适用于PR审查、增量代码审查、全项目评审和代码质量评分，触发词包括review cpp、cpp代码评审、C++review、代码审查。
- 所有
.grad初始化为 0.0，且梯度函数中一律用+=（不是=） - tape 存储的必须是「操作」而非「值」，这样反向时才能根据
op查 dispatch 表调用backward_add、backward_mul等 - 如果支持控制流（如
if (x > 0)），不能让分支改变 tape 结构——要么禁止，要么用 mask 模拟，否则反向时拓扑序崩了
为什么 Var 的拷贝构造和赋值要小心处理
当你写 Var y = x; 或传参时发生隐式拷贝，如果只是浅拷贝 id 和 val，那两个 Var 会共享同一份梯度累加目标，造成污染；如果深拷贝又可能断掉计算图连接。
正确做法是：拷贝构造默认做「引用语义」——新 Var 指向同一个 id，但 .grad 是独立的（即每个 Var 实例有自己的 grad 字段，但反向时都往 tape 里登记同一 id 的梯度更新）。否则像 Var a = x; Var b = x; 之后 a.backward() 和 b.backward() 就会互相干扰。
- 禁用默认赋值运算符，显式定义：拷贝构造不新增 tape 条目，只复制
id和val，grad初始化为 0 - 移动构造可转移
id，但必须把原对象id设为无效（如 -1），防止双重反向 - 函数返回
Var时，确保 NRVO 或移动语义生效，否则临时对象析构会导致 tape 中残留悬空 id
用 std::vector 存 tape 真的够用吗
够用，但有陷阱。多数 toy autodiff 库用 std::vector<OpRecord> 记操作，反向时倒序遍历。问题在于：如果用户在 forward 过程中动态修改了 vector（比如 push_back 新操作），而此时正在反向传播，就会迭代器失效或越界。
更隐蔽的问题是内存局部性——tape 可能很大（尤其深度网络），连续 push_back 导致多次 realloc，cache miss 明显。不过对于教学级实现，这比引入 arena allocator 或 ring buffer 更直白。
- tape 生命周期必须严格短于所有关联
Var实例；建议在Tape析构时清空，且禁止在backward()过程中修改它 - 如果想支持多次
backward()（比如二阶导），不能复用同一 tape——每次 forward 都该新建 tape，否则反向逻辑会混乱 - 别用
std::list替代vector：反向需要随机访问索引（比如查某个id对应的操作），链表 O(n) 太慢
真正难的不是 tape 数据结构本身，而是怎么让用户写 f(x) 时不感知 tape，又不让编译器优化掉关键计算步骤（比如把 Var tmp = x * x; 优化成常量）。所以实际项目里，Var 的 val 字段通常得加 volatile 或用 asm volatile 插桩防优化——这点几乎没人提，但 debug 时卡半天才发现是编译器动了手脚。
