Ich habe die Miniaturversion dieses Prompts hier eingefügt, weil die Serie "Meine Lieblings-Prompts" kompakt, mundgerechte, eigenständige Nuggets sein soll. Aber heute habe ich das in ein wirklich verrücktes System verwandelt. Es ist nicht relevant, ob du ein weiteres CRUD-Programm in React oder eine TODO-Liste erstellst, aber wenn du etwas ziemlich Kompliziertes in Rust oder Golang machst oder etwas mit komplexen Daten zu tun hast, ist dieser Ansatz fast beängstigend in dem, was er tun kann. Es ist ein 2-Runden-Prozess. Hier ist Runde 1: --- Lies zuerst ALLE AGENTS.md-Dateien und README.md-Dateien super sorgfältig und verstehe ALLES von beiden! Verwende dann deinen Code-Untersuchungs-Agentenmodus, um den Code, die technische Architektur und den Zweck des Projekts vollständig zu verstehen. Sobald du das alles extrem gründlich und sorgfältig gemacht hast und das gesamte bestehende System und was es tut, seinen Zweck und wie es implementiert ist und wie alle Teile miteinander verbunden sind, muss ich, dass du hyper-intensiv diese Fragen untersuchst, studierst und darüber nachdenkst, wie sie sich auf dieses Projekt beziehen: Gibt es andere grobe Ineffizienzen im Kernsystem? Stellen im Code, wo 1) Änderungen tatsächlich den Unterschied in Bezug auf Gesamtlatenz/Antwortzeit und Durchsatz ausmachen würden; 2) sodass unsere Änderungen nachweislich isomorph in Bezug auf die Funktionalität wären, sodass wir sicher wüssten, dass sich die resultierenden Ausgaben bei denselben Eingaben nicht ändern würden; 3) wo du eine klare Vision für einen offensichtlich besseren Ansatz in Bezug auf Algorithmen oder Datenstrukturen hast (beachte, dass du für dies auch weniger bekannte Datenstrukturen und esoterische/sophisticated/mathematische Algorithmen sowie Möglichkeiten zur Umformulierung des Problems einbeziehen kannst, sodass ein anderer Paradigma sichtbar wird, wie die unten aufgeführte Liste (Hinweis: Bevor du eine Optimierung vorschlägst, stelle Basismetriken (p50/p95/p99 Latenz, Durchsatz, Spitzen-Speicher) fest und erfasse CPU/Zuweisung/I/O-Profile, um tatsächliche Hotspots zu identifizieren): - N+1 Abfrage/Abrufmuster Eliminierung - Zero-Copy / Pufferwiederverwendung / Scatter-Gather I/O - Kosten des Serialisierungsformats (Parse/Encode-Overhead) - Begrenzte Warteschlangen + Rückdruck (verhindern von Speicheraufblähung und Tail-Latenz) - Sharding / gestreifte Sperren zur Reduzierung von Contention - Memoization mit Cache-Invalidierungsstrategien - Dynamische Programmiertechniken - Konvexe Optimierungstheorie - Lazy Evaluation / verzögerte Berechnung - Iterator/Generator-Muster, um große Sammlungen zu vermeiden - Streaming/Chunked-Verarbeitung für speichergestützte Arbeiten - Vorberechnung und Nachschlagetabellen - Indexbasierte Nachschlageverfahren vs. lineare Scan-Erkennung - Binäre Suche (auf Daten und im Antwortbereich) - Zwei-Zeiger- und gleitende Fenstertechniken - Präfixsummen / kumulative Aggregationen...