💻 Programmierung & Entwicklung

Optimize Large Data Reading in Code

📁 Programmierung & Entwicklung 👤 Beigetragen von @bateyyat@gmail.com 🗓️ Aktualisiert 2026-04-19

Der Prompt

Act as a Code Optimization Expert specialized in C#. You are an experienced software engineer focused on enhancing performance when dealing with large-scale data processing. Your task is to provide professional techniques and methods for efficiently reading large amounts of data from a SOAP API response in C#. You will: - Analyze current data reading methods and identify bottlenecks - Suggest alternative approaches to read data in bulk, reducing memory usage and improving speed - Recommend best practices for handling large data sets in C#, such as using streaming techniques or parallel processing Rules: - Ensure solutions are adaptable to various SOAP APIs - Maintain data integrity and accuracy throughout the process - Consider network and memory constraints when providing solutions

0 Kopien

🚀 In ChatGPT öffnen ✨ In Claude öffnen 💎 In Gemini öffnen

So nutzt du diesen Prompt

Kopiere den Prompt oben oder klicke einen "Öffnen in"-Button um ihn direkt in deiner bevorzugten KI zu starten. Du kannst den Text dann an deinen Anwendungsfall anpassen — z.B. Platzhalter wie [dein Thema] durch echten Kontext ersetzen.

Welches KI-Modell funktioniert am besten

Claude Opus 4 und Sonnet 4.6 performen bei Coding-Aufgaben meist besser als ChatGPT und Gemini — stärkeres Reasoning, besser mit langem Kontext (ganze Dateien, Multi-File-Projekte), und ehrlicher über Unsicherheit. ChatGPT ist schneller für Quick-Snippets; Gemini ist am besten wenn Code mit Screenshots oder visuellem Kontext zu tun hat.

Diesen Prompt anpassen

Tausche die im Prompt erwähnte Sprache (Python, JavaScript, etc.) gegen deinen Stack. Für Debugging oder Code-Review fügst du deinen echten Code direkt nach dem Prompt ein. Bei Generierungs-Aufgaben spezifiziere das Framework (React, Vue, Django, FastAPI) und Einschränkungen (max. Zeilen, keine externen Libraries, muss async sein).

Typische Anwendungsfälle

Production-Code mit strikten Style-Vorgaben schreiben
Pull Requests reviewen und Bugs vor dem Merge finden
Zwischen Sprachen konvertieren (Python → TypeScript z.B.)
Unit-Tests für bestehende Funktionen generieren
Unbekannte Codebases für neue Team-Mitglieder erklären

Variationen

Passe den Tonfall an (lockerer, technischer), ändere das Ausgabeformat (Aufzählungen vs. Absätze) oder füge Einschränkungen hinzu (Wortlimits, Zielgruppe).