He incluido aquí la versión en miniatura de este prompt porque la serie "My Favorite Prompts" se supone que son pepitas compactas, de tamaño de bocado y autónomas. Pero hoy he transformado esto en un sistema realmente loco. No es relevante si estás haciendo otro programa CRUD en React o una lista de tareas, pero si haces algo bastante complicado en Rust o Golang, o algo que involucre datos complejos, este enfoque da casi miedo en lo que puede hacer. Es un proceso de dos rondas. Aquí está la primera ronda: --- Primero lee TODOS los archivos md de AGENTS dot y README dot md con mucha atención y entiende TODOS los dos. Luego usa tu modo agente de investigación de código para entender completamente el código, la arquitectura técnica y el propósito del proyecto. Luego, una vez que hayas hecho un trabajo extremadamente exhaustivo y meticuloso en todo eso y comprendido profundamente todo el sistema existente, lo que hace, su propósito, cómo se implementa y cómo todas las piezas se conectan entre sí, necesito que investigues, estudies y reflexiones de forma hiperintensiva sobre estas cuestiones en relación con este proyecto: ¿Hay otras ineficiencias graves en el sistema central? lugares en la base de código donde 1) los cambios realmente cambiarían la aguja en términos de latencia/respuesta general y rendimiento; 2) de modo que nuestros cambios serían demostrablemente isomorfos en términos de funcionalidad, de modo que sepamos con certeza que no cambiaría las salidas resultantes dadas las mismas entradas; 3) donde tienes una visión clara de un enfoque obviamente mejor en términos de algoritmos o estructuras de datos (ten en cuenta que para esto puedes incluir en tus contemplaciones estructuras de datos menos conocidas y algoritmos más esotéricos/sofisticados/matemáticos, así como formas de reformular el/los problema(s) para exponer otro paradigma, como la lista que se muestra a continuación (Nota: Antes de proponer cualquier optimización, establecer métricas de referencia (latencia p50/p95/p99, rendimiento, memoria pico) y capturar perfiles de CPU/asignación/E/S para identificar los puntos calientes reales): - N+1 eliminación de patrones de consulta/obtención - E/S de E/S con copia cero / reutilización de búfer / dispersión de recogida - costes del formato de serialización (sobrecarga de análisis analizado/codificación) - colas acotadas + contrapresión (previenen la explosión de memoria y la latencia de cola) - cerraduras de fragmentación / rayas para reducir la contención - Memoización con estrategias de invalidación de caché - técnicas de programación dinámica - teoría de optimización convexa - evaluación perezosa / computación diferida - patrones iteradores/generadores para evitar materializar grandes colecciones - procesamiento en streaming/fragmentado para trabajo con límites de memoria - tablas de precomputación y consulta - búsqueda basada en índices frente a reconocimiento lineal de escaneo - búsqueda binaria (sobre datos y en espacio de respuesta) - técnicas de dos punteros y ventana deslizante - sumas prefijo / agregados acumulativos - ordenamiento topológico y conciencia DAG para grafos de dependencias...