Ik heb de miniatuurversie van deze prompt hier opgenomen omdat de serie "Mijn Favoriete Prompts" compact, hapklare, zelfvoorzienende stukjes moet zijn. Maar vandaag heb ik dit omgevormd tot een werkelijk krankzinnig systeem. Het doet er niet toe of je een andere CRUD-programma in React of een TODO-lijst maakt, maar als je iets behoorlijk ingewikkelds doet in Rust of Golang, of iets dat complexe gegevens omvat, dan is deze aanpak bijna eng in wat het kan doen. Het is een proces van 2 rondes. Hier is Ronde 1: --- Lees eerst ALLE AGENTS dot md-bestand en README dot md-bestand super zorgvuldig en begrijp ALLES van beide! Gebruik vervolgens je code-onderzoeksagentmodus om de code, de technische architectuur en het doel van het project volledig te begrijpen. Dan, zodra je een extreem grondige en nauwkeurige klus hebt geklaard en de hele bestaande systeem en wat het doet, zijn doel, en hoe het is geïmplementeerd en hoe alle onderdelen met elkaar verbonden zijn, diep hebt begrepen, moet je hyper-intensief onderzoeken en studeren en nadenken over deze vragen zoals ze betrekking hebben op dit project: Zijn er andere grote inefficiënties in het kernsysteem? Plaatsen in de codebasis waar 1) wijzigingen daadwerkelijk het verschil zouden maken in termen van algehele latentie/responsiviteit en doorvoer; 2) zodanig dat onze wijzigingen aantoonbaar isomorf zijn in termen van functionaliteit zodat we zeker weten dat het de resulterende outputs niet zou veranderen gegeven dezelfde inputs; 3) waar je een duidelijke visie hebt op een obviously betere aanpak in termen van algoritmen of datastructuren (let op dat je voor dit, in je overpeinzingen, minder bekende datastructuren en meer esoterische/sophisticated/wiskundige algoritmen kunt opnemen, evenals manieren om de probleem(en) opnieuw te formuleren zodat een ander paradigma wordt blootgelegd, zoals de lijst hieronder (Opmerking: Voordat je enige optimalisatie voorstelt, stel baseline-metrics vast (p50/p95/p99 latentie, doorvoer, piekgeheugen) en leg CPU/allocation/I/O-profielen vast om daadwerkelijke hotspots te identificeren): - N+1 query/fetch patroon eliminatie - zero-copy / buffer hergebruik / scatter-gather I/O - serialisatieformaatkosten (parse/encode overhead) - begrensde wachtrijen + terugdruk (voorkom geheugenexplosie en tail latentie) - sharding / gestreepte sloten om concurrentie te verminderen - memoization met cache-invalideringsstrategieën - dynamische programmeertechnieken - convexe optimalisatietheorie - luie evaluatie / uitgestelde berekening - iterator/generator patronen om grote collecties te vermijden - streaming/chunked verwerking voor geheugenbeperkt werk - voorcalculatie en opzoektabellen - index-gebaseerde opzoeking vs lineaire scanherkenning - binaire zoekopdracht (op gegevens en op antwoordruimte) - twee-pointer en sliding window technieken - prefix sommen / cumulatieve aggregaten...