必须用 std::random_device 初始化 std::mt19937，禁用 time(nullptr)；因后者秒级分辨率导致多线程下种子重复，而 std::random_device 调用 rd() 可获取系统熵源，确保随机性。
std::mt19937 初始化必须用 std::random_device，别用 time(nullptr)
用 time(nullptr) 初始化 std::mt19937 会导致多线程下大量重复序列，尤其在容器快速启动或单元测试中极易复现。因为 time(nullptr) 分辨率通常只有秒级，同一秒内创建的生成器种子完全相同。
正确做法是用 std::random_device——它在大多数现代系统（Linux / Windows / macOS）上会读取硬件熵源或 OS 提供的 CSPRNG：
std::random_device rd; std::mt19937 gen(rd()); // 注意：rd() 是调用 operator()
- 不要写
std::mt19937 gen(rd);（传入对象而非调用结果，编译可能通过但行为未定义） - 若需可重现调试（如游戏关卡种子），才显式传入固定整数种子，例如
std::mt19937 gen(12345);，但生产环境避免硬编码 - Windows 上旧版 MSVC（std::random_device 可能退化为伪随机，可加运行时检测：
rd.entropy() == 0.0表示不可靠，此时应 fallback 到 hash 组合时间+地址等
分布对象该定义成局部变量还是复用？
分布对象（如 std::uniform_int_distribution<int>）是无状态的、轻量且可复制的，**推荐定义为局部变量或函数静态变量，而非每次都 new 或反复构造**。它的 operator() 不修改自身状态，内部仅做浮点运算和条件判断。
常见误用是把分布对象和引擎混为一谈，以为也要“长期持有”：
立即学习“C++免费学习笔记（深入）”；
// ✅ 推荐：局部作用域，清晰、无共享、无生命周期顾虑
int rand_int(int a, int b) {
thread_local static std::mt19937 gen([]{ std::random_device rd; return rd(); }());
std::uniform_int_distribution<int> dist(a, b);
return dist(gen);
}
// ❌ 不必要：分布对象构造开销虽小，但无意义地延长生命周期
static std::uniform_int_distribution<int> global_dist(0, 100); // 无状态，但全局变量带来初始化顺序风险
- 分布对象不含引擎引用，不保存随机状态；每次调用
dist(gen)都是纯函数式计算 - 若高频调用（如每帧万次），可将分布对象声明为
thread_local static，避免栈分配开销，但注意模板实例化膨胀 - 不要把分布对象绑定到特定引擎后长期复用——它本就不绑定；不同引擎传给同一个分布对象完全合法
std::mt19937 与 std::mt19937_64 怎么选？
选错类型直接影响吞吐和范围：两者算法相同，但输出位宽和周期不同。关键不是“64 更强”，而是匹配你的使用场景。
std::mt19937 输出 32 位 uint32_t，周期 2¹⁹⁹³⁷−1；std::mt19937_64 输出 64 位 uint64_t，周期 2¹⁹⁹³⁷−1（相同），但单次生成更慢（尤其在 32 位寄存器机器上）。
- 生成
int、float、std::size_t（通常 32/64 混用）→ 优先用std::mt19937：兼容性好，L1 缓存友好，现代 CPU 上吞吐更高 - 需要原生 64 位整数均匀分布（如哈希 seed、大范围 ID）→ 用
std::mt19937_64，避免两次 32 位拼接引入偏差 - 生成
double时，两个引擎表现一致：标准库分布会从引擎取足够位数再转换，无需手动干预 - 注意：MSVC 的
std::mt19937_64在 x86（32 位）目标下可能降级或报错，CI 中务必覆盖目标架构测试
避免隐式类型截断：uniform_real_distribution 的边界陷阱
std::uniform_real_distribution<float> 和 std::uniform_real_distribution<double> 的构造参数类型必须与模板参数严格一致，否则发生静默截断，导致分布区间错误甚至 UB。
典型错误：
// ❌ 危险：a=0.1f 是 float，但 b=1.0 是 double → 构造函数匹配 double 版本，a 被提升为 double， // 然后传给 float 版分布？不，这是重载决议失败或隐式转换，实际行为依赖实现 std::uniform_real_distribution<float> dist(0.1f, 1.0); // 编译可能通过，但逻辑已毁 // ✅ 必须显式统一类型 std::uniform_real_distribution<float> dist_f(0.1f, 1.0f); std::uniform_real_distribution<double> dist_d(0.1, 1.0);
- 浮点字面量默认是
double，写0.1f才是float；混用会触发模板推导歧义 - 分布的
a和b必须满足a < b，且不能是 NaN/Inf；建议用assert(std::isfinite(a) && std::isfinite(b) && a < b)在 debug 模式校验 - 若需 [0, 1) 的 float，直接用
std::uniform_real_distribution<float>(0.0f, 1.0f)，别用1.0——看似省事，实则埋雷
f 后缀的缺失，可能让百万次采样全落在错误区间，而编译器不会报错。 
