Miniaturní verzi tohoto podnětu jsem sem přidal, protože série "Moje oblíbené podněty" má být kompaktní, sousta, samostatné nugety. Ale dnes jsem z toho udělal opravdu šílený systém. Není to relevantní, jestli děláte další CRUD program v Reactu nebo seznamu úkolů, ale pokud děláte něco složitého v Rustu nebo Golangu, nebo něco složitého s daty, tento přístup je téměř děsivý v tom, co dokáže. Je to dvoukolový proces. Tady je první kolo: --- Nejprve si přečtěte VŠECHNY soubory AGENTS dot md a README dot md soubory velmi pečlivě a pochopte VŠECHNY z obou! Pak použijte režim agenta pro vyšetřování kódu, abyste plně pochopili kód, technickou architekturu a účel projektu. Poté, co odvedete extrémně důkladnou a pečlivou práci a hluboce pochopíte celý existující systém, co dělá, jeho účel, jak je implementován a jak všechny části spolu souvisejí, potřebuji, abyste tyto otázky v souvislosti s tímto projektem velmi intenzivně zkoumali, studovali a přemýšleli: Existují v jádru systému nějaké další hrubé neefektivity? místa v kódové základně, kde 1) změny skutečně posunou jehlu z hlediska celkové latence/odezvy a propustnosti; 2) tak, že naše změny by byly prokazatelně izomorfní z hlediska funkčnosti, takže bychom si byli jisti, že nezmění výsledné výstupy při stejné vstupech; 3) kde máte jasnou vizi zjevně lepšího přístupu z hlediska algoritmů nebo datových struktur (poznámka: pro toto můžete do úvah zahrnout méně známé datové struktury a esoterické/sofistikovanější/matematické algoritmy, stejně jako způsoby, jak problém přeformulovat tak, aby byl odhalen jiný paradigmat, například v seznamu níže (Poznámka: Před návrhem jakékoli optimalizace stanovte základní metriky (latence p50/p95/p99 latence, propustnost, špičková paměť) a zachyťte profily CPU/alokace/I/O pro identifikaci skutečných hotspotů): - Eliminace vzorů dotazů/načtení N+1 - zero-copy / opětovné použití bufferu / scatter-gather I/O - náklady na formátování serializace (režie parsování/enkódování) - omezené fronty + zpětný tlak (zabránit vybuchnutí paměti a latenci ocasu) - střepiny / pruhované zámky pro snížení sporu - memoizace pomocí strategií zneplatnění cache - techniky dynamického programování - teorie konvexní optimalizace - líné hodnocení / odložený výpočet - vzory iterátorů/generátorů, aby se zabránilo materializaci velkých kolekcí - streamování/chunked processing pro práci s omezením paměti - tabulky předvýpočtů a vyhledávání - indexové vyhledávání vs rozpoznávání lineárního skenování - binární vyhledávání (na datech a na prostoru odpovědí) - techniky dvoubodového a posuvného okna - předponové součty / kumulativní agregáty - topologického třídění a DAG-povědomí o grafech závislostí - detekce cyklů - Union-find pro dynamickou konektivitu - procházení grafů (BFS/DFS) s předčasným ukončením - Dijkstrův / A* pro vážené nejkratší cesty - prioritní fronty / haldy - pokusy o operace s předponou - Bloomovy filtry pravděpodobnostního členství - intervalové/segmentové stromy pro dotazy na rozsah - prostorové indexování (k-d stromy, kvadtree, R-stromy) - perperentní/neměnné datové struktury - Sémantika copy-on-write - objektové/spojovací poolování - výběr politiky vyřazování cache (LRU/LFU/ARC) - výběr algoritmů s povědomím o dávkách - asynchronní I/O dávkování a koalescování - struktury bez zámků pro scénáře s vysokou soutěží - krádeže práce pro rekurzivní paralelismus - optimalizace rozložení paměti (SoA vs AoS, lokalita cache) - zkratování a předčasné ukončení - řetězcové internování pro opakované hodnoty - amortizované analytické uvažování s ohledem na tyto obecné průvodce, kde je to relevantní: KONTROLY POUŽITELNOSTI DP: - Překrývající se podproblémy? → memoize se stabilním stavovým klíčem - Optimální rozdělení/dávkování? → předponové součty + intervalové DP - Graf závislostí s opakovaným procházením? → jednoprůchodový topologický DP KONTROLY KONVEXNÍ OPTIMALIZACE: - Hrubé vynucení přesné alokace/plánování? → LP / minimální náklady s deterministickým rozřezávacím mechanismem - Spojité přizpůsobení parametrů s explicitní ztrátou? → regularizované metody nejmenších čtverců / QP - Velký rozložitelný konvexní objekt? → ADMM / proximální metody Také mějte na paměti, že pokud znáte dobře napsané knihovny třetích stran, které by dobře fungovaly, můžeme je do projektu zahrnout). POŽADAVKY METODOLOGIE: A) Základní hodnota: Spustit testovací sadu a reprezentativní pracovní zátěž; Zaznamenejte latenci, propustnost a špičkovou paměť P50/P95/P99 pomocí přesných příkazů. B) Profil před návrhem: Zachytit CPU + alokace + I/O profily; Identifikujte 3–5 největších hotspotů podle % času před návrhem změn. C) Ekvivalenční věštba: Definujte explicitní zlaté výstupy + invarianty. Pro velké vstupní prostory přidejte testy založené na vlastnostech nebo metamorfózu. D) Důkaz izomorfismu za každou změnu: Každý navrhovaný diff musí obsahovat krátký náčrt důkazu vysvětlující, proč se výstupy nemohou měnit (včetně pořadí, rozhodování remízy, chování s plovoucí desetinnou čárkou a náhodových semen). E) Matice příležitostí: Seřaďte kandidáty podle (Dopad × Důvěra) / Úsilí před realizací; Zaměř se jen na položky, které pravděpodobně posouvají P95+ nebo propustnost smysluplně. F) Minimální rozdíly: Jedna výkonnostní páka za výměnu. Žádné nesouvisející refaktory. Pokud existuje nějaké riziko, přiložte zpětné doporučení. G) Regresní zábrany: Přidejte prahové hodnoty benchmarku nebo monitorovací háčky, aby se zabránilo budoucím regresím. Používejte ultrathink. --- To můžete spustit jednou v Claude Code s Opus 4.5 a jednou v Codexu s GPT 5.2 Codex (začal jsem používat jen High, protože Extra High je pro mě příliš pomalý, pokud se chystám spát). Po jejich dokončení je každý zasaď asi pěti rychlými koly téhle: "Skvěle. Znovu si vše prohlédněte kvůli zjevným opomenutím, opomenutím nebo chybám, konceptuálním chybám, přešlapům atd. Používejte ultrathink" Pak je nechte uložit výstupy takto: "Dobře, ulož si to všechno jako PLAN_FOR_ADVANCED_OPTIMIZATIONS_ROUND_1__OPUS.md" "Dobře, ulož si to všechno jako PLAN_FOR_ADVANCED_OPTIMIZATIONS_ROUND_1__GPT.md." Pak v Claudeově kódu udělejte: "Porovnej, co jsi udělal s PLAN_FOR_ADVANCED_OPTIMIZATIONS_ROUND_1__GPT.md, a vezmi z toho nejlepší prvky a zapleť je do svého plánu, jak získat hybridní nejlepší z obou světů a lepší plán úpravou původního plánu." Pak toto: Přečti si znovu AGENTS dot md, abych to měl stále čerstvé v paměti. Teď si přečtěte CELÝ PLAN_FOR_ADVANCED_OPTIMIZATIONS_ROUND_1__OPUS.md. Pak každou korálku pečlivě zkontrolujte – jste si jistý, že to dává smysl? Je to optimální? Můžeme něco změnit, aby systém fungoval lépe pro uživatele? Chceme komplexní a detailní sadu kuliček pro to všechno s úkoly, podúkoly a strukturou závislostí překrytou podrobnými komentáři, aby vše bylo zcela samostatné a samodokumentující (včetně relevantního pozadí, odůvodnění/odůvodnění, úvah atd. – cokoli, co bychom chtěli, aby naše "budoucí já" vědělo o cílech, záměrech, myšlenkovém procesu a jak to slouží hlavním cílům projektu). Korálky by měly být tak detailní, že už nikdy nemusíme konzultovat původní dokument s plánem snižování. Odráží přesně celý soubor marlower plánu komplexním způsobem? Pokud jsou změny potřeba, upravte korálky, vytvořte nové nebo uzavřete neplatné či nepoužitelné. Je mnohem jednodušší a rychlejší pracovat v "plánovacím prostoru" ještě před tím, než začneme tyto věci zavádět! NEZJEDNODUŠUJTE TO PŘÍLIŠ! NEZTRÁCEJTE ŽÁDNÉ FUNKCE ANI FUNKČNOST! Také se ujistěte, že součástí těchto perlí jsou komplexní jednotkové testy a e2e testovací skripty s kvalitním, detailním logováním, abychom si byli jisti, že vše po implementaci funguje perfektně. Pamatujte, že nástroj 'bd' je potřeba používat POUZE k vytváření a úpravě korálků a k přidávání závislostí do korálků." Pak několik kol: "Pečlivě zkontrolujte každou korálku – jste si jistý, že to dává smysl? Je to optimální? Můžeme něco změnit, aby systém fungoval lépe pro uživatele? Pokud ano, upravte korálky. Je mnohem jednodušší a rychlejší pracovat v "plánovacím prostoru" ještě před tím, než začneme tyto věci zavádět! NEZJEDNODUŠUJTE TO PŘÍLIŠ! NEZTRÁCEJTE ŽÁDNÉ FUNKCE ANI FUNKČNOST! Také se ujistěte, že součástí beads zahrneme komplexní jednotkové testy a e2e testovací skripty s kvalitním, detailním logováním, abychom si byli jisti, že vše po implementaci funguje perfektně. Používejte ultrathink." Pak nechte roj vyvolat a vše zrealizovat. Pak se připravte na KOLO 2.