立项原因
在快节奏的技术迭代中，开发者普遍面临“系统级 OOM”（精力耗竭）与未来焦虑。传统的打卡软件过于碎片化且缺乏职业深度。本项目旨在通过目标粉碎化、技术债量化与当下着陆机制，解决开发者在庞大技术栈学习中的迷茫感，并引导用户通过微小行动对抗长期焦虑，实现“编写代码”与“享受生活”的平衡。
行业场景
本项目定位于 AIoT 边缘计算与个人数字化转型（Quantified Self） 领域。在典型的“高压、重逻辑”技术从业者生活场景中，系统扮演着“数字导师”的角色。它模拟了工业级中控系统的调度逻辑，将职业技能点、财务趋势预测、身体物理维护（健身/护肤）与心理健康管理整合进一套统一的 C++/Qt 架构中。
AI 导师决策中枢 (Cloud/Local AI Engine)：集成云端与本地双引擎，根据用户的“情绪水位”与昨日评分，动态排期当日任务，提供富有同理心的非确定性反馈。
极客技能树拓扑 (SkillTree & Radar)：采用动态图谱展现技术储备。支持“点亮”技能点，并通过自适应雷达图实时评估开发者的核心竞争力模型。
高并发任务追踪 (Task Tracker)：借鉴敏捷开发中的看板理念，实现任务状态的原子级切换，并支持技术债的温和提醒与自动归档。
薪资曲线模拟器 (Salary Simulator)：基于成长速率、地域行情（广州/杭州/上海）进行财务预测，将抽象的进步转化为具象的收益动力。
生活底层协议 (Life Cornerstone)：强制执行物理维护任务（如：唤醒肉体、五感采样、皮肤屏障修复），作为系统级的高优先级中断，确保硬件（身体）不宕机。
职责分工
我作为独立开发者（Yu Jingjing），负责了从底层网络引擎、数据库连接池优化到上层 UI 渲染引擎的全栈研发任务。
技术栈与架构亮点
核心架构：基于 C++17 标准开发，采用 Qt 6.x 构建响应式图形界面。
网络中枢：利用 Boost.Asio / Beast 封装高性能本地 Web 服务器（LocalWebServer），支持信令的高频异步交互。
数据库优化：自主封装了线程安全的 MySQL 连接池（ConnectionPool），通过有效性心跳检测避免了长连接失效问题，实现了高频打卡记录的零延迟落盘。
并发调度：深度应用 Event Loop（事件循环） 与 ThreadPool 架构，将计算密集型的 AI 推理预测与 GUI 渲染线程物理隔离，确保界面在极端负载下仍能保持 60FPS 稳帧。
自定义渲染：基于 QPainter 脏矩形算法重绘了技能树节点（SkillNodeItem）与边缘权重（SkillEdgeItem），实现了复杂拓扑结构下的高性能交互。
实现难点
异构状态机同步：如何确保本地 AI 模型输出的排期建议能与远程数据库的打卡状态实现实时一致性。
解耦设计：通过单例事件总线（SignalSend）彻底消除了各 Widget 模块间的强耦合，使得新增“推流模块”或“硬件采集”功能仅需一行连接代码。
评论