Incluí a versão em miniatura deste prompt aqui porque a série "Meus Prompts Favoritos" deve ser compacta, em pedaços, e autossuficiente. Mas hoje transformei isso em um sistema verdadeiramente insano. Não é relevante se você está fazendo outro programa CRUD em React ou uma lista de TAREFAS, mas se você está fazendo algo bastante complicado em Rust ou Golang, ou algo envolvendo dados complexos, essa abordagem é quase assustadora no que pode fazer. É um processo de 2 rodadas. Aqui está a Rodada 1: --- Primeiro, leia TODOS os arquivos AGENTS dot md e README dot md com muita atenção e entenda TODOS os dois! Depois, use seu modo de agente de investigação de código para entender completamente o código, a arquitetura técnica e o propósito do projeto. Então, uma vez que você tenha feito um trabalho extremamente minucioso e meticuloso em tudo isso e compreendido profundamente todo o sistema existente e o que ele faz, seu propósito, e como está implementado e como todas as peças se conectam umas às outras, preciso que você investigue, estude e reflita intensamente sobre estas perguntas à medida que se referem a este projeto: Existem outras ineficiências grosseiras no sistema central? lugares na base de código onde 1) mudanças realmente moveriam a agulha em termos de latência/responsividade e throughput; 2) de tal forma que nossas mudanças seriam provavelmente isomórficas em termos de funcionalidade, para que soubéssemos com certeza que não mudaria as saídas resultantes dadas as mesmas entradas; 3) onde você tem uma visão clara de uma abordagem obviamente melhor em termos de algoritmos ou estruturas de dados (note que para isso, você pode incluir em suas reflexões estruturas de dados menos conhecidas e algoritmos mais esotéricos/sophisticados/matemáticos, bem como maneiras de reformular o(s) problema(s) para que outro paradigma seja exposto, como a lista mostrada abaixo (Nota: Antes de propor qualquer otimização, estabeleça métricas de base (latência p50/p95/p99, throughput, pico de memória) e capture perfis de CPU/alocação/E/S para identificar hotspots reais): - Eliminação do padrão de consulta/fetch N+1 - zero-copy / reutilização de buffer / I/O scatter-gather - custos de formato de serialização (sobrecarga de análise/codificação) - filas limitadas + pressão de retorno (prevenir explosão de memória e latência de cauda) - sharding / bloqueios estriados para reduzir contenção - memoização com estratégias de invalidação de cache - técnicas de programação dinâmica - teoria da otimização convexa - avaliação preguiçosa / computação adiada - padrões de iterador/gerador para evitar a materialização de grandes coleções - processamento em streaming/chunked para trabalho limitado por memória - pré-computação e tabelas de consulta - busca baseada em índice vs reconhecimento de varredura linear - busca binária (em dados e no espaço de respostas) - técnicas de dois ponteiros e janela deslizante - somas prefixadas / agregados cumulativos...