Echo Server 项目路线总览

从基础环境、社区 CRUD、互动统计，到性能优化与本地 AI 的完整项目路线

WSL2C++20DrogonMySQLRedisAI

0. 总体路线

本页用于放在精选作品入口，说明项目不是零散文档，而是一条从普通 CRUD 后端逐步升级到高并发意识社区后端、再扩展 AI 能力的路线。

项目	说明
建议位置	精选作品详情页 / 项目文档页
统一风格	左侧导航、右侧正文、表格说明、折叠代码块、阶段总结。
阅读顺序	建议从总览页进入，再按卡片顺序阅读。

1. 推荐页面顺序

建议精选作品按学习依赖排序，而不是按上传时间排序。

顺序	卡片标题	标签	定位
1	Echo Server：Drogon 内存版用户系统	WSL2 / C++ 后端 / Drogon	项目起点
2	Echo Server：MySQL 持久化用户系统	MySQL / 数据库 / 后端	从内存数据升级到持久化
3	Echo Server：帖子系统从 0 到 1	社区项目 / CRUD / 鉴权	补齐核心业务空档
4	Echo Server：评论、点赞与统计聚合	互动系统 / SQL 聚合	形成社区后端雏形
5	Echo Server：分页与列表接口优化	分页 / API 设计	为压测做准备
6	Echo Server：压测、索引、Redis 与限流	性能优化 / Redis / wrk	体现高并发意识
7	Echo Server：本地 AI 聊天助手集成	AI / llama.cpp / SSE	项目扩展亮点

内存版用户系统

先让服务跑起来。

MySQL 持久化

把账号保存到数据库。

帖子系统

补齐社区 CRUD。

互动统计

评论、点赞、统计聚合。

分页优化

为压测做准备。

性能优化

压测、索引、Redis、限流。

AI 扩展

接入本地 LLM。

2. 首页 works 数据

下面这段数据可以直接放进首页 JS，用来扩充精选作品模块。

const works = [
  {
    title: "Echo Server：Drogon 内存版用户系统",
    tags: ["WSL2", "C++ 后端", "Drogon"],
    desc: "从 0 搭建 Drogon HTTP 服务，完成 /ping、注册、登录和线程安全内存存储。",
    link: "./echo-server-memory.html"
  },
  {
    title: "Echo Server：MySQL 持久化用户系统",
    tags: ["MySQL", "数据库", "后端"],
    desc: "把内存版账号系统升级为 MySQL 持久化，完成 echo_app、users 表和数据库登录验证。",
    link: "./echo-server-mysql.html"
  },
  {
    title: "Echo Server：帖子系统从 0 到 1",
    tags: ["社区项目", "CRUD", "鉴权"],
    desc: "补齐发帖、查最新、用户主页、帖子详情和删除自己的帖子。",
    link: "./echo-server-posts.html"
  },
  {
    title: "Echo Server：评论、点赞与统计聚合",
    tags: ["互动系统", "SQL 聚合", "社区项目"],
    desc: "实现评论、点赞、取消点赞，并让帖子列表直接返回 like_count 与 comment_count。",
    link: "./echo-server-comments-likes.html"
  },
  {
    title: "Echo Server：分页与列表接口优化",
    tags: ["分页", "API 设计", "列表优化"],
    desc: "把固定 LIMIT 改造为 page/page_size 参数，为压测和高并发优化做准备。",
    link: "./echo-server-pagination.html"
  },
  {
    title: "Echo Server：压测、索引、Redis 与限流",
    tags: ["性能优化", "Redis", "wrk"],
    desc: "用 wrk 压测定位瓶颈，完成索引优化、N+1 改造、Redis 缓存和基础限流。",
    link: "./echo-server-performance.html"
  },
  {
    title: "Echo Server：本地 AI 聊天助手集成",
    tags: ["AI", "llama.cpp", "SSE"],
    desc: "本地部署 Qwen 模型，后端接入 llama.cpp，并实现多轮会话和流式输出。",
    link: "./echo-server-ai-chat.html"
  }
];