Многие думают, что std::async всегда создаёт новый поток. На самом деле это не так.
По умолчанию
std::async использует политику запуска std::launch::async | std::launch::deferred. Это означает, что реализация сама решает, выполнить задачу асинхронно или отложить до вызова get().auto future = std::async(heavy_task);
// Может НЕ запуститься прямо сейчас!
auto result = future.get(); // Тут может начать выполняться
std::launch::deferred задача сохраняется как callable объект и выполняется синхронно при первом обращении к future. Никакого нового потока.std::launch::async. Иначе рискуете получить синхронное выполнение там, где ожидали асинхронное.auto future = std::async(std::launch::async, heavy_task);
📍Навигация: Вакансии • Задачи • Собесы
Библиотека C/C++ разработчика
#под_капотом
Please open Telegram to view this post
VIEW IN TELEGRAM
👍3
Что под капотом у агентов?
Вы привыкли работать с памятью и потоками напрямую. AI-агенты — это новый уровень абстракции, но проблемы там те же: оптимизация, задержки, стоимость вычислений.
В новой версии курса «Разработка AI-агентов» мы добавили факультатив "Научный взгляд" и углубились в техническую часть.
Для тех, кто любит хардкор:
— Optimization: RAG, векторный поиск, работа с контекстом.
— System Design: Мультиагентные системы (
— Infrastructure: Работа на реальном GPU-кластере (предоставляем доступ).
Это знания, актуальные для 2026 года, когда AI будет встроен в каждое устройство.
⚡️ Акция 3 в 1:
Берешь курс по агентам — получаешь два любых других бесплатно (например, Алгоритмы или Математику, чтобы понимать ML-базу).
Upgrade your skills
Вы привыкли работать с памятью и потоками напрямую. AI-агенты — это новый уровень абстракции, но проблемы там те же: оптимизация, задержки, стоимость вычислений.
В новой версии курса «Разработка AI-агентов» мы добавили факультатив "Научный взгляд" и углубились в техническую часть.
Для тех, кто любит хардкор:
— Optimization: RAG, векторный поиск, работа с контекстом.
— System Design: Мультиагентные системы (
AutoGen, LangGraph) как распределенные системы.— Infrastructure: Работа на реальном GPU-кластере (предоставляем доступ).
Это знания, актуальные для 2026 года, когда AI будет встроен в каждое устройство.
⚡️ Акция 3 в 1:
Берешь курс по агентам — получаешь два любых других бесплатно (например, Алгоритмы или Математику, чтобы понимать ML-базу).
Upgrade your skills
😁2