Jag inkluderade miniatyrversionen av denna prompt här eftersom serien "My Favorite Prompts" ska vara kompakta, bitstora och självständiga nuggets. Men idag förvandlade jag detta till ett verkligt galet system. Det är inte relevant om du gör ett annat CRUD-program i React eller en TODO-lista, men om du gör något ganska komplicerat i Rust eller Golang, eller något som involverar komplex data, är detta tillvägagångssätt nästan skrämmande i vad det kan göra. Det är en process med två omgångar. Här är omgång 1: --- Läs först ALLA AGENTS dot md-filer och README dot md-filer supernoggrant och förstå ALLA av båda! Använd sedan ditt kodundersökningsagentläge för att fullt ut förstå koden, den tekniska arkitekturen och syftet med projektet. När du sedan har gjort ett extremt grundligt och noggrant jobb med allt detta och djupt förstått hela det befintliga systemet och vad det gör, dess syfte, hur det implementeras och hur alla delar hänger ihop, behöver jag att du hyperintensivt undersöker, studerar och grubblar över dessa frågor som rör detta projekt: Finns det några andra grova ineffektiviteter i kärnsystemet? platser i kodbasen där 1) ändringar faktiskt skulle påverka den totala latens/responsiviteten och genomströmningen; 2) sådana att våra förändringar skulle vara bevisbart isomorfa vad gäller funktionalitet så att vi säkert skulle veta att det inte skulle ändra de resulterande utgångarna givet samma indata; 3) där du har en tydlig vision för en uppenbart bättre metod när det gäller algoritmer eller datastrukturer (notera att du för detta kan inkludera mindre kända datastrukturer och mer esoteriska/sofistikerade/matematiska algoritmer i dina överväganden samt sätt att omformulera problemet/problemena så att ett annat paradigm exponeras, som listan nedan (Observera: Innan du föreslår någon optimering, fastställ baslinjemått (p50/p95/p99 latens, genomströmning, peak memory) och fånga CPU-/allokerings-/I/O-profiler för att identifiera faktiska hotspots): - N+1 eliminering av förfrågare/hämta-mönster - nollkopiering / buffertåteranvändning / spridningsinsamling I/O - kostnader för serialiseringsformat (parse/kodningsöverhead) - begränsade köer + backtryck (förhindrar minnesexplosion och svanslatens) - sharding / randiga lås för att minska konkurrens - memoisering med strategier för cache-invalidering - dynamiska programmeringstekniker - konvex optimeringsteori - lat utvärdering / uppskjuten beräkning - iterator-/generatormönster för att undvika att materialiserar stora samlingar - strömmande/chunked processing för minnesbegränsat arbete - förberäknings- och uppslagstabeller - indexbaserad uppslagning vs linjär skanningsigenkänning - binär sökning (på data och på svarutrymme) - tvåpoängs- och skjutfönstertekniker - prefixsummor / kumulativa aggregat - topologisk sortering och DAG-medvetenhet för beroendegrafer...