std::mdspan不直接调用blas/lapack，仅描述布局；需手动提取data_handle()和匹配layout的stride传入函数，列优先时lda=a.stride(1)，行优先需转置；lapack调用要求可写连续内存、独立pivot数组及检查info。
std::mdspan 本身不直接调用 BLAS/LAPACK
这是最关键的前置判断：std::mdspan 是 C++23 的视图类，只描述多维数据的布局和访问方式，不提供任何计算逻辑。它不能自动绑定到 dgemm、dgetrf 等 BLAS/LAPACK 函数。你需要手动提取指针、步长、尺寸，并按目标库要求的内存布局（通常是列优先）做适配。
从 mdspan 提取原始指针和 stride 需谨慎处理 layout
std::mdspan 的 data_handle() 可安全用于获取底层数据起始地址，但 stride 计算必须匹配其 layout_mapping。例如：
- 若使用
std::layout_left（列优先），mdspan.extent(0)是行数，mdspan.stride(1)是列步长，常对应 BLAS 中的lda - 若使用
std::layout_right（行优先），mdspan.stride(0)才是行步长，此时需转置或重排数据才能高效对接传统 BLAS -
std::layout_stride最灵活，但需显式检查mdspan.stride(i)是否符合 BLAS 对 leading dimension 的要求
错误假设 layout 类型会导致传入错误的 lda，引发越界或结果错乱 —— 这是最常见的 crash 原因。
典型 BLAS 调用示例：dgemm 封装适配
以下封装假设输入 mdspan 使用 std::layout_left，与 OpenBLAS/Intel MKL 的列优先约定一致：
立即学习“C++免费学习笔记（深入）”；
extern "C" void dgemm_(const char*, const char*,
const int*, const int*, const int*,
const double*, const double*, const int*,
const double*, const int*,
const double*, double*, const int*);
template<std::floating_point T>
void call_dgemm(std::mdspan<T, std::extents<int, 4, 5>, std::layout_left> A,
std::mdspan<T, std::extents<int, 5, 3>, std::layout_left> B,
std::mdspan<T, std::extents<int, 4, 3>, std::layout_left> C) {
const char transa = 'N', transb = 'N';
const int m = C.extent(0), n = C.extent(1), k = A.extent(1);
const T alpha = 1.0, beta = 0.0;
// A: lda = A.stride(1) == 4 (col-major: leading dim = rows)
// B: ldb = B.stride(1) == 5
// C: ldc = C.stride(1) == 4
dgemm_(&transa, &transb, &m, &n, &k,
&alpha,
A.data_handle(), &A.stride(1),
B.data_handle(), &B.stride(1),
&beta,
C.data_handle(), &C.stride(1));
}
与 LAPACK（如 dgetrf）结合时注意 pivots 和 info 输出
LAPACK 函数如 dgetrf_ 会原地修改矩阵并写入 pivot 数组和 info 返回值。适配要点：
-
std::mdspan必须是可写的（非const），且底层内存需连续、对齐（建议用std::vector或aligned_alloc分配） - pivot 数组需独立分配，类型为
int*，长度至少为min(m,n) -
info是标量输出，必须传地址：&info - 若
mdspan使用非标准 layout（如自定义 stride），务必确认lda传的是实际行数（列主序下即第一维大小）
忽略 info 检查或误传 lda 会导致数值失败被静默吞掉，后续计算全错却无提示。
