wdc63

@sentinelK 不对，大语言模型的随机性决定了生成质量有好坏之分，如何让多次的生成结果都落到较优的区域就是当前 agent 工程不断演进方向的本质问题。
从 vibe 到 agent 再到 harness ，除了有效利用 ai 的上下文长度有限这一点外，还有就是通过自监督+自动多次抽卡机制（多个审阅角色+debug 角色）提高产出质量。

@xabcstack 这不是把 sk 送给人家吗

现在两条路线：1 PH-Tree ，据作者描述 phtree 的查询插入和删除操作都是 O(logn)的复杂度，但是看了下代码很多 https://github.com/tzaeschke/phtree
2 还是使用传统的 KDTree ，由于本项目在删除插入的工作中不会重新插入任何新点，只是把已经被选择的暂时移除，然后再移动回来而已，因此这里就直接用一个 flag 标记已经被删除的点，在 kdtree 查询最近点时，遇到这种已经被“删除”的点直接跳过。目前已经根据现有项目有一个初步实现，实测这种方法性能还不错。

@nightwitch C++基础太弱，之前尝试过一个简单 单文件库都没能搞定，现成可用的库十几个.cpp 文件，难以下手。

@netnr 那每次查询都是 On ，太慢了。

@helloworld000 高峰时，每个主 loop 有上千这样的查询、删除和写入等，每秒 60-100fps 。

@liyunlong41 数学模型要求实现随机获取，不是公平问题，这个项目是一个仿真项目，不是面向用户的真实业务项目。

@fkdtz 并行读写是一部分，ConcurrentDictionary 主要是不能实现随机获取。

@visper 不是一般的业务需求，是数理模型中的一部分，用服务池的概念只是一个举例，反正是必须要随机获取的，每个“服务”的属性都不一样。