Lifehack Pengkodean Agen Saya merasa sedikit bersalah karena menggunakan yang ini, tapi apa-apaan. Ketika saya meminta agen untuk melakukan perbandingan/revisi besar-besaran, yang biasanya muncul ketika saya memiliki rencana penurunan harga besar-besaran dan saya mendapat umpan balik yang rumit tentangnya dari GPT Pro di aplikasi web, dan kemudian selanjutnya menunjukkan kepada GPT Pro umpan balik dari prompt yang sama yang ditunjukkan ke Opus4.5, Gemini3 dengan DeepThink, dan Grok4 Heavy (semuanya menggunakan aplikasi web), bahkan Codex dengan GPT 5.2 tinggi akan melewatkan banyak hal untuk pertama kalinya ketika mencoba mengintegrasikan semua revisi. Jika Anda menyuruhnya menemukan "semua" masalah, karena tidak tahu berapa banyak yang terlewatkan, ia cenderung pergi begitu saja sampai ia menemukan banyak dari mereka. Jika Anda menyuruhnya pergi sampai menemukan setidaknya 20 dari mereka, biasanya akan kembali setelah menemukan 23 masalah/ketidakcocokan. Ini tentu saja mengasumsikan bahwa ada masalah, tetapi pada dasarnya selalu terjadi ketika rencananya adalah 5k+ baris dan revisi lebih dari 2k+ baris. Bagaimanapun, solusinya adalah berbohong kepada mereka dan memberi mereka jumlah yang sangat besar, dan kemudian mereka terus berputar sampai mereka menemukan semuanya: "Lakukan ini lagi, dan benar-benar sangat berhati-hati: bisakah Anda memeriksa rencana itu lagi dan membandingkannya dengan semua umpan balik yang saya berikan kepada Anda? Saya yakin bahwa Anda melewatkan atau mengacaukan setidaknya 80 elemen umpan balik yang kompleks itu"

Saya menyertakan versi miniatur dari prompt ini di sini karena seri "My Favorite Prompts" seharusnya menjadi nugget yang ringkas, seukuran gigitan, dan mandiri. Tapi hari ini saya mengubah ini menjadi sistem yang benar-benar gila. Ini tidak relevan jika Anda membuat program CRUD lain di React atau daftar TODO, tetapi jika Anda melakukan sesuatu yang cukup rumit di Rust atau Golang, atau sesuatu yang melibatkan data yang kompleks, pendekatan ini hampir menakutkan dalam apa yang dapat dilakukannya. Ini adalah proses 2 putaran. Berikut adalah Putaran 1: --- Pertama-tama baca SEMUA file dot md AGENTS dan file README dot md dengan sangat hati-hati dan pahami SEMUA keduanya! Kemudian gunakan mode agen investigasi kode Anda untuk sepenuhnya memahami kode, dan arsitektur teknis serta tujuan proyek. Kemudian, setelah Anda melakukan pekerjaan yang sangat menyeluruh dan teliti dan memahami secara mendalam seluruh sistem yang ada dan apa yang dilakukannya, tujuannya, dan bagaimana implementasinya dan bagaimana semua bagian terhubung satu sama lain, saya ingin Anda untuk secara hiper-intensif menyelidiki dan mempelajari dan merenungkan pertanyaan-pertanyaan ini yang berkaitan dengan proyek ini: Apakah ada inefisiensi besar lainnya dalam sistem inti? tempat di basis kode di mana 1) perubahan benar-benar akan menggerakkan jarum dalam hal latensi/responsivitas dan throughput keseluruhan; 2) sedemikian rupa sehingga perubahan kita akan terbukti isomorfik dalam hal fungsionalitas sehingga kita akan tahu pasti bahwa itu tidak akan mengubah output yang dihasilkan dengan input yang sama; 3) di mana Anda memiliki visi yang jelas untuk pendekatan yang jelas lebih baik dalam hal algoritma atau struktur data (perhatikan bahwa untuk ini, Anda dapat memasukkan dalam kontemplasi Anda struktur data yang kurang dikenal dan algoritma yang lebih esoterik/canggih/matematis serta cara untuk menyusun ulang masalah sehingga paradigma lain terungkap, seperti daftar yang ditunjukkan di bawah ini (Catatan: Sebelum mengusulkan pengoptimalan apa pun, tetapkan metrik dasar (latensi p50/p95/p99, throughput, memori puncak) dan tangkap profil CPU/alokasi/I/O untuk mengidentifikasi hotspot aktual): - Penghapusan pola kueri/pengambilan N+1 - zero-copy / buffer reuse / scatter-gather I/O - biaya format serialisasi (overhead penguraian/enkode) - antrian terbatas + tekanan balik (mencegah ledakan memori dan latensi ekor) - Kunci sharding / bergaris untuk mengurangi perselisihan - Menghafal dengan strategi pembatalan cache - teknik pemrograman dinamis - Teori optimasi cembung - Evaluasi malas / komputasi yang ditangguhkan - pola iterator/generator untuk menghindari terwujudnya koleksi besar - Pemrosesan streaming/chunked untuk pekerjaan yang terikat memori - Tabel pra-komputasi dan pencarian - Pencarian berbasis indeks vs pengenalan pemindaian linier - pencarian biner (pada data dan pada ruang jawaban) - teknik two-pointer dan sliding window - jumlah awalan / agregat kumulatif - pengurutan topologi dan kesadaran DAG untuk grafik ketergantungan - deteksi siklus - Union-Find untuk konektivitas dinamis - traversal grafik (BFS/DFS) dengan penghentian awal - Dijkstra / A* untuk jalur terpendek berbobot - Antrean / Tumpukan prioritas - mencoba untuk operasi awalan - filter mekar untuk keanggotaan probabilistik - pohon interval/segmen untuk kueri rentang - pengindeksan spasial (pohon kd, quadtree, pohon R) - struktur data persisten/tidak dapat diubah - semantik copy-on-write - pengumpulan objek/koneksi - pemilihan kebijakan penggusuran cache (LRU/LFU/ARC) - pemilihan algoritma batch-aware - batching I/O asinkron dan penggabungan - Struktur bebas kunci untuk skenario pertentangan tinggi - pencurian kerja untuk paralelisme rekursif - pengoptimalan tata letak memori (SoA vs AoS, lokalitas cache) - korsleting dan penghentian dini - string interning untuk nilai berulang - penalaran analisis amortisasi dengan mempertimbangkan panduan umum ini jika berlaku: PEMERIKSAAN PENERAPAN DP: - Submasalah yang tumpang tindih? → menghafal dengan kunci status stabil - Partisi/batching yang optimal? → jumlah awalan + interval DP - Grafik dependensi dengan traversal berulang? → DP topologi satu lintasan PEMERIKSAAN PENGOPTIMALAN CEMBUNG: - Alokasi/penjadwalan yang tepat yang memaksa? → LP / aliran biaya min dengan tie-break deterministik - Pemasangan parameter terus menerus dengan kehilangan eksplisit? → kuadrat terkecil / QP yang diteratur - Objektif cembung besar yang dapat terurai? → ADMM / metode proksimal Perhatikan juga bahwa jika ada perpustakaan pihak ketiga yang ditulis dengan baik yang Anda ketahui yang akan bekerja dengan baik, kami dapat memasukkannya ke dalam proyek). PERSYARATAN METODOLOGI: A) Baseline pertama: Jalankan rangkaian pengujian dan beban kerja yang representatif; Rekam latensi P50/P95/P99, throughput, dan memori puncak dengan perintah yang tepat. B) Profil sebelum mengusulkan: Tangkap CPU + alokasi + profil I/O; Identifikasi 3-5 hotspot teratas berdasarkan % waktu sebelum menyarankan perubahan. C) Oracle kesetaraan: Tentukan keluaran emas eksplisit + invarian. Untuk ruang input besar, tambahkan pengujian berbasis properti atau metamorf. D) Bukti isomorfisme per perubahan: Setiap perbedaan yang diusulkan harus menyertakan sketsa bukti singkat yang menjelaskan mengapa output tidak dapat berubah (termasuk pengurutan, tie-breaking, perilaku floating-point, dan benih RNG). E) Matriks peluang: Peringkat kandidat berdasarkan (Dampak × Kepercayaan) / Upaya sebelum menerapkan; Fokus hanya pada item yang cenderung bergerak P95+ atau throughput secara berarti. F) Perbedaan minimal: Satu tuas kinerja per perubahan. Tidak ada refaktor yang tidak terkait. Sertakan panduan pengembalian jika ada risiko. G) Pagar pembatas regresi: Tambahkan ambang batas tolok ukur atau kait pemantauan untuk mencegah regresi di masa mendatang. Gunakan ultrathink. --- Anda dapat menjalankannya sekali di Claude Code dengan Opus 4.5 dan sekali di Codex dengan GPT 5.2 Codex (saya mulai menggunakan hanya High karena Extra High terlalu lambat bagi saya kecuali saya akan tidur). Setelah selesai, pukul masing-masing dengan 5 putaran cepat yang satu ini: "Bagus. Periksa semuanya lagi untuk setiap kelalaian atau kelalaian atau kesalahan yang jelas, kesalahan konseptual, kesalahan, dll. Gunakan ultrathink" Kemudian minta mereka menyimpan output seperti ini: "Oke, simpan semua itu sebagai PLAN_FOR_ADVANCED_OPTIMIZATIONS_ROUND_1__OPUS.md" "Oke, simpan semua itu sebagai PLAN_FOR_ADVANCED_OPTIMIZATIONS_ROUND_1__GPT.md" Kemudian di Claude Code, lakukan: "Bandingkan apa yang Anda lakukan dengan PLAN_FOR_ADVANCED_OPTIMIZATIONS_ROUND_1__GPT.md dan ambil elemen terbaik dari itu dan jalin ke dalam rencana Anda untuk mendapatkan paket superior hibrida terbaik dari kedua dunia dengan mengedit file rencana asli Anda di tempatnya." Lalu ini: Baca kembali AGENTS dot md sehingga masih segar di benak Anda. Sekarang baca SEMUA PLAN_FOR_ADVANCED_OPTIMIZATIONS_ROUND_1__OPUS.md. Kemudian periksa setiap manik-manik dengan sangat hati-hati - apakah Anda yakin itu masuk akal? Apakah optimal? Bisakah kita mengubah apa pun untuk membuat sistem bekerja lebih baik bagi pengguna? Kami menginginkan satu set manik-manik yang komprehensif dan terperinci untuk semua ini dengan tugas, subtugas, dan struktur ketergantungan yang dilapisi, dengan komentar terperinci sehingga semuanya benar-benar mandiri dan mendokumentasikan diri (termasuk latar belakang yang relevan, penalaran/pembenaran, pertimbangan, dll.-- apa pun yang kami ingin "diri masa depan" kami ketahui tentang tujuan dan niat dan proses pemikiran dan bagaimana hal itu melayani tujuan menyeluruh proyek.). Manik-manik harus sangat detail sehingga kita tidak perlu berkonsultasi kembali ke dokumen rencana penurunan harga asli. Apakah itu secara akurat mencerminkan SEMUA file rencana penurunan harga secara komprehensif? Jika perubahan diperlukan, revisi manik-manik atau buat yang baru atau tutup yang tidak valid atau tidak berlaku. Jauh lebih mudah dan lebih cepat untuk beroperasi di "ruang rencana" sebelum kita mulai menerapkan hal-hal ini! JANGAN TERLALU MENYEDERHANAKAN SEGALANYA! JANGAN KEHILANGAN FITUR ATAU FUNGSIONALITAS APA PUN! Juga, pastikan bahwa sebagai bagian dari manik-manik ini, kami menyertakan pengujian unit yang komprehensif dan skrip pengujian e2e dengan pencatatan yang bagus dan terperinci sehingga kami dapat yakin bahwa semuanya berfungsi dengan sempurna setelah implementasi. Ingatlah untuk HANYA menggunakan alat 'bd' untuk membuat dan memodifikasi manik-manik dan untuk menambahkan dependensi ke manik-manik." Kemudian beberapa putaran: "Periksa setiap manik-manik dengan sangat hati-hati - apakah Anda yakin itu masuk akal? Apakah optimal? Bisakah kita mengubah apa pun untuk membuat sistem bekerja lebih baik bagi pengguna? Jika demikian, revisi manik-manik. Jauh lebih mudah dan lebih cepat untuk beroperasi di "ruang rencana" sebelum kita mulai menerapkan hal-hal ini! JANGAN TERLALU MENYEDERHANAKAN SEGALANYA! JANGAN KEHILANGAN FITUR ATAU FUNGSIONALITAS APA PUN! Pastikan juga bahwa sebagai bagian dari manik-manik kami menyertakan pengujian unit komprehensif dan skrip pengujian e2e dengan pencatatan yang bagus dan terperinci sehingga kami dapat yakin bahwa semuanya berfungsi dengan sempurna setelah implementasi. Gunakan ultrathink." Kemudian biarkan kawanan itu lepas untuk menerapkan semuanya. Kemudian bersiaplah untuk PUTARAN 2.

Oke, inilah Putaran 2 dari Super Big Brained Optimizer Prompt. Untungnya, posting ini bisa jauh lebih pendek daripada posting yang dikutip, karena seluruh alur kerja setelah prompt awal identik dengan Putaran 1, hanya mengganti "1" dengan "2" di nama file. Berikut adalah perintahnya: --- Pertama-tama baca SEMUA file md AGENTS dan file md README dengan sangat hati-hati dan pahami SEMUA keduanya! Kemudian gunakan mode agen investigasi kode Anda untuk sepenuhnya memahami kode, dan arsitektur teknis serta tujuan proyek. Kemudian, setelah Anda melakukan pekerjaan yang sangat menyeluruh dan teliti dan memahami secara mendalam seluruh sistem yang ada dan apa yang dilakukannya, tujuannya, dan bagaimana implementasinya dan bagaimana semua bagian terhubung satu sama lain, saya ingin Anda untuk secara hiper-intensif menyelidiki dan mempelajari dan merenungkan pertanyaan-pertanyaan ini yang berkaitan dengan proyek ini: Apakah ada inefisiensi besar lainnya dalam sistem inti? tempat di basis kode di mana 1) perubahan benar-benar akan menggerakkan jarum dalam hal latensi/responsivitas dan throughput keseluruhan; 2) sedemikian rupa sehingga perubahan kita akan terbukti isomorfik dalam hal fungsionalitas sehingga kita akan tahu pasti bahwa itu tidak akan mengubah output yang dihasilkan dengan input yang sama; 3) di mana Anda memiliki visi yang jelas untuk pendekatan yang jelas lebih baik dalam hal algoritma atau struktur data (perhatikan bahwa untuk ini, Anda dapat memasukkan dalam kontemplasi Anda struktur data yang kurang dikenal dan algoritma yang lebih esoterik/canggih/matematis serta cara untuk menyusun ulang masalah sehingga paradigma lain terungkap, seperti daftar yang ditunjukkan di bawah ini (Catatan: Sebelum mengusulkan pengoptimalan apa pun, tetapkan metrik dasar (latensi p50/p95/p99, throughput, memori puncak) dan tangkap profil CPU/alokasi/I/O untuk mengidentifikasi hotspot aktual): - Optimasi cembung (perumusan ulang menghasilkan jaminan optimal global) - Optimasi submodular (Greedy memberikan perkiraan faktor konstan) - generalisasi semiring (menyatukan jalur terpendek, penutupan transitif, aliran data, penguraian) - pengenalan struktur matroid (serakah terbukti optimal) - aljabar linier melalui GF(2) (sistem XOR, masalah sakelar, koreksi kesalahan) - pengurangan menjadi 2-SAT (validitas konfigurasi, grafik implikasi) - pengurangan ke aliran maksimum biaya minimum (penugasan, penjadwalan, alokasi sumber daya) - pengakuan pencocokan bipartit (Hongaria, Hopcroft-Karp) - DP sebagai jalur terpendek dalam DAG implisit (memungkinkan DP antrian prioritas, pengoptimalan gaya Dijkstra) - trik lambung cembung / pohon Li Chao (O(n²) DP → O(n log n)) - Pengoptimalan Knuth / membagi-dan-menaklukkan DP - Pengurangan ruang Hirschberg (jika berlaku di luar penyelarasan) - FFT/NTT untuk konvolusi (perkalian polinomial, korelasi urutan) - eksponensiasi matriks untuk pengulangan linier - Transformasi Möbius / konvolusi subhimpunan - struktur data persisten/tidak dapat diubah (versioning, rollback, eksekusi spekulatif) - akhiran automaton / susunan array dengan LCP - Dekomposisi berat-ringan / dekomposisi sentroid - pohon potongan tautan (konektivitas pohon dinamis) - Antrean/deque monoton untuk jendela geser Extrema - Pohon segmen dengan perbanyakan malas - pohon wavelet (peringkat/pilih/kuantil) - penemuan serikat dengan pengembalian - Sketsa Hitung-Min, HyperLogLog (streaming/sublinear) - hashing sensitif lokalitas (perkiraan NN) - Filter mekar / filter kukuk - hashing sempurna minimal - cascading fraksional - Algoritma Mo (dekomposisi sqrt kueri offline) - Pencarian parametrik / pencarian biner pada jawaban - Pencarian dua arah / pertemuan di tengah - algoritma acak dengan batas yang diharapkan yang ketat - algoritma perkiraan dengan jaminan yang dapat dibuktikan - pencurian kerja untuk paralelisme rekursif - Struktur data bebas kunci / bebas menunggu - desain algoritma cache-oblivious - analisis amortisasi (untuk mengenali kapan operasi "mahal" sebenarnya murah) Perhatikan juga bahwa jika ada perpustakaan pihak ketiga yang ditulis dengan baik yang Anda ketahui yang akan bekerja dengan baik, kami dapat memasukkannya ke dalam proyek). PERSYARATAN METODOLOGI: A) Baseline pertama: Jalankan rangkaian pengujian dan beban kerja yang representatif; Rekam latensi P50/P95/P99, throughput, dan memori puncak dengan perintah yang tepat. B) Profil sebelum mengusulkan: Tangkap CPU + alokasi + profil I/O; Identifikasi 3-5 hotspot teratas berdasarkan % waktu sebelum menyarankan perubahan. C) Oracle kesetaraan: Tentukan keluaran emas eksplisit + invarian. Untuk ruang input besar, tambahkan pengujian berbasis properti atau metamorf. D) Bukti isomorfisme per perubahan: Setiap perbedaan yang diusulkan harus menyertakan sketsa bukti singkat yang menjelaskan mengapa output tidak dapat berubah (termasuk pengurutan, tie-breaking, perilaku floating-point, dan benih RNG). E) Matriks peluang: Peringkat kandidat berdasarkan (Dampak × Kepercayaan) / Upaya sebelum menerapkan; Fokus hanya pada item yang cenderung bergerak P95+ atau throughput secara berarti. F) Perbedaan minimal: Satu tuas kinerja per perubahan. Tidak ada refaktor yang tidak terkait. Sertakan panduan pengembalian jika ada risiko. G) Pagar pembatas regresi: Tambahkan ambang batas tolok ukur atau kait pemantauan untuk mencegah regresi di masa mendatang. Gunakan ultrathink. --- Sekarang, saya tahu apa yang Anda pikirkan... WTF apakah semua hal itu? Itu sebabnya disebut prompt Big Brained Optimizer, oke? Model perbatasan sangat cerdas sehingga jika Anda membiarkan mereka mendesain sesuatu, dan melakukan versi yang lebih dasar dari prompt pengoptimalan (yang pendek yang saya berikan sebagai Prompt 4 dalam seri "Petunjuk Favorit Saya"), mereka tahu bagaimana melakukan semua hal wawancara leetcode standar dan akan menggunakannya. Tapi bagaimana dengan level berikutnya, hal-hal Terry Tao? Anda tahu apa yang saya maksud, HAL BAIK. Yah, mereka juga tahu itu. Dan apakah itu akan relevan dengan masalah Anda? Sejujurnya, mungkin tidak. Tetapi jika ya, begitulah cara Anda membuka TRUE TURBO MODE. Selalu jalankan Putaran 1 sebelum Putaran 2, karena itu akan jauh lebih relevan 99% dari waktu. Tetapi setelah Anda terus melakukan Putaran 1 beberapa kali dan tidak ada yang berubah, Anda dapat mencapai Putaran 2. Bagaimanapun, pastikan setelah Anda melakukan semua hal ini, membuat rencana untuk CC dan Codex, meminta CC menggabungkan yang terbaik dari rencana kedua dunia, memeriksanya untuk kesalahan 5 kali, mengubah rencana penurunan harga akhir menjadi manik-manik, mengoptimalkan manik-manik secara berulang, dan akhirnya mengimplementasikan manik-manik dengan segerombolan bot CC dan Codex dengan banyak pengujian unit dan tes integrasi e2e... memulai sesi Codex dengan GPT 5.2 Extra High dan mengantri seperti 20 pengisap ini: "Saya ingin Anda menjelajahi file kode secara acak dalam proyek ini, memilih file kode untuk menyelidiki dan memahami secara mendalam dan melacak fungsionalitas dan aliran eksekusinya melalui file kode terkait yang mereka impor atau yang diimpor. Setelah Anda memahami tujuan kode dalam konteks alur kerja yang lebih besar, saya ingin Anda melakukan pemeriksaan yang sangat hati-hati, metodis, dan kritis dengan "mata segar" untuk menemukan bug, masalah, kesalahan, masalah, kesalahan konyol, dll. yang jelas dan kemudian secara sistematis dan cermat dan cerdas memperbaikinya." -SIRIP-