必须搭配随机引擎（如std::mt19937）使用std::normal_distribution，仅声明分布对象会导致未定义行为或固定输出；需用合理种子初始化引擎，避免std::random_device在部分平台退化为伪随机。
用 std::normal_distribution 配合随机引擎生成正态分布数
直接结论：不能只靠 std::normal_distribution，它只是个“转换器”，必须和一个真正的随机数引擎（如 std::mt19937）搭配使用，否则每次调用都返回相同值或触发未定义行为。
常见错误是只声明分布对象：std::normal_distribution<double> dist;</double>，然后反复调用 dist(gen) 却没初始化引擎，或者用了默认构造的 std::mt19937（种子为 0，结果固定）。
- 必须显式提供随机引擎实例，并用合理种子初始化，例如
std::mt19937 gen{std::random_device{}()}; -
std::normal_distribution构造时可指定均值（默认 0.0）和标准差（默认 1.0），例如std::normal_distribution<double> dist(100.0, 15.0);</double>表示均值 100、标准差 15 的分布 - 引擎和分布对象建议复用，不要每次生成都重建——引擎初始化有开销，分布对象本身轻量但重建无必要
为什么 std::random_device 不一定真随机，以及怎么应对
在 Windows MSVC 或某些旧版 libc++ 上，std::random_device 可能退化为伪随机（比如返回固定序列），导致 std::mt19937 每次种子相同，所有生成的正态数也完全一致。
这不是 std::normal_distribution 的问题，而是源头种子失效。调试时如果发现输出总是重复一串数字（如全是 0.23、-0.87、1.41… 循环），大概率是这个原因。
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。
立即学习“C++免费学习笔记（深入）”；
- 检查方式：单独打印几次
std::random_device{}()的输出，看是否变化 - 稳妥做法：用时间 + 地址哈希组合种子，例如
std::mt19937 gen{(std::random_device{}() ^ (std::time(nullptr) - 若需可重现结果（如测试），就用固定种子，例如
std::mt19937 gen{42};，而非依赖std::random_device
std::normal_distribution 的线程安全性与性能注意点
std::normal_distribution 对象本身不是线程安全的——多个线程同时用同一个分布实例调用 operator() 是未定义行为。但它的内部状态很小，且不共享引擎，所以常见误用是“共用一个分布 + 共用一个引擎”，这比单共用分布更危险。
- 推荐每个线程独占一套：引擎 + 分布，避免任何共享
- 如果必须共享引擎（极少见），要用互斥锁保护对引擎的调用；分布对象可以共享，因为它只读取引擎输出并做 Box-Muller 或 Ziggurat 变换
- 性能上，
std::normal_distribution的调用开销略高于均匀分布（因涉及浮点运算和条件分支），但对绝大多数应用可忽略；瓶颈通常在引擎（mt19937很快）或内存访问模式
生成整数型正态分布？别直接 cast
std::normal_distribution 只支持浮点类型（float、double、long double）。如果需要类似“正态分布的整数”，比如模拟考试分数（均值 75、标准差 10、范围 0–100），不能简单写 static_cast<int>(dist(gen))</int>。
这样做会截断小数、破坏分布形状，还可能产生负数或超界值。正确做法是先生成浮点数，再按需处理：
- 四舍五入 + 截断：
int x = std::clamp(static_cast<int>(std::round(dist(gen))), 0, 100);</int> - 如果需要严格整数分布（如离散高斯），应改用其他方法，比如预计算 CDF 查表，或用
std::discrete_distribution配合正态概率质量函数近似 - 注意
std::round在负数时行为符合 IEEE，但static_cast<int>(-1.7)</int>是 -1（截断），不是 -2，务必确认语义
normal_distribution 就万事大吉，却忘了引擎没播好种，整片地都长不出随机性。 
