llamacppctl/example_user_prompts/coding_04_performance.md at 7cd91d2604285e45cdde7c7b7d974f3f777ef4fb

dschlueter f193acf032 docs: add example system/user prompts for prose, speeches, and code

Add example_system_prompts/ (prose, speeches, coding) and matching
example_user_prompts/ (four user prompts per domain, one file each so they
run directly via --prompt-file), plus a README mapping the pairs and the run
command against the default model.

Also refine the three system prompts: separate narrative register from
character speech and add a length default (prose); add a duration→word-count
rule, spoken-language guidance, a no-invented-evidence rule, and a salutation
note (speeches); fix the mangled numbered list and add a language default,
a no-invented-APIs rule, and clearer output ordering (coding).

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

2026-07-07 19:56:26 +02:00

733 B

Raw Blame History

Gegeben ist eine ineffiziente Python-Funktion, die für eine Liste von Wörtern die Häufigkeit jedes Wortes zählt und dabei für jedes Wort erneut die gesamte Liste durchläuft:

def count_words(words):
    counts = {}
    for w in words:
        counts[w] = 0
        for x in words:
            if x == w:
                counts[w] += 1
    return counts

Schreibe eine effiziente Variante, erkläre die Verbesserung der Zeitkomplexität und zeige mit einem kleinen Benchmark (z. B. timeit) den Unterschied bei größeren Eingaben.

Behandle dabei sinnvolle Randfälle: leere Liste, Groß-/Kleinschreibung und anhängende Satzzeichen (was soll als „dasselbe Wort" gelten?). Triff dazu eine begründete Annahme.

733 B Raw Blame History

733 B

Raw Blame History