# computer-science-algorithms

Скилл computer-science-algorithms помогает подобрать структуру данных и найти скрытые замедления O(n²) в циклах. Пригодится при проектировании графов или обработке потоковых данных.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode, Windsurf (Devin Desktop), Claude.ai · 205 установок · ★ 227 у репозитория
- Автор: pproenca
- Лицензия: MIT · policy=mirror · лицензия открытая, файл — в исходнике
- Исходник: https://github.com/pproenca/dot-skills/tree/HEAD/skills/.experimental/computer-science-algorithms/SKILL.md
- Обновлён: 2026-08-15
- Проверка безопасности: автоматическая, 2026-11-16 (текст) — признаков вредоносного кода не нашли.
- HTML: https://affpapa.org/nevibecode/skills/computer-science-algorithms

## Что делает

Скилл систематизирует инженерные практики выбора алгоритмов по степени их влияния на архитектуру. Сначала оценивается асимптотическая сложность, затем подбираются контейнеры под конкретные операции. В справочник вошли правила для динамического программирования, обхода графов и жадных схем, основанные на материалах книг Кормена и Седжвика.

Для систем под высокой нагрузкой добавлены вероятностные структуры: фильтры Блума, HyperLogLog и резервуарная выборка. Скилл подсказывает замену медленным операциям. Он предупреждает о квадратичной сложности при проверках `in` в списках и советует использовать `deque` вместо вызовов `pop(0)`.

Вычислительная геометрия, алгоритмы Тарьяна, преобразование Фурье и сетевые потоки сюда намеренно не включены. Для работы скиллу не требуются сторонние библиотеки или внешние API.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add pproenca/dot-skills --skill computer-science-algorithms -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/computer-science-algorithms/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/computer-science-algorithms/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add pproenca/dot-skills --skill computer-science-algorithms -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/computer-science-algorithms/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add pproenca/dot-skills --skill computer-science-algorithms -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/computer-science-algorithms/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install pproenca/dot-skills skills/.experimental/computer-science-algorithms
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/computer-science-algorithms/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add pproenca/dot-skills --skill computer-science-algorithms -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/pproenca/dot-skills --path skills/.experimental/computer-science-algorithms
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/computer-science-algorithms/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add pproenca/dot-skills --skill computer-science-algorithms -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/pproenca/dot-skills/tree/HEAD/skills/.experimental/computer-science-algorithms/SKILL.md

## Когда брать
- найти скрытые квадратичные замедления O(n²) при проверке элементов в списках
- подобрать структуру данных под частые выборки или диапазонные запросы
- переписать рекурсивный перебор на динамическое программирование
- организовать обработку потока данных без загрузки всего объёма в память

## Примеры запросов агенту
- Проверь этот скрипт на скрытые квадратичные циклы и неоптимальную конкатенацию строк.
- Какую структуру данных лучше взять для поиска k наименьших элементов в потоке событий?
- Помоги переписать эту рекурсивную функцию обхода на динамическое программирование с мемоизацией.

## Похожие
- [MetaGO Algorithms](https://affpapa.org/nevibecode/mcp/metago-algorithms.md) — MCP-сервер · ★ 6 у репозитория
- [pseudocode](https://affpapa.org/nevibecode/agents/ruvnet-pseudocode.md) — субагент · ★ 850 у репозитория
- [js-min-max-loop](https://affpapa.org/nevibecode/rules/jarrodwatts-js-min-max-loop.md) — правило · ★ 1064 у репозитория
- [golang-data-structures](https://affpapa.org/nevibecode/skills/golang-data-structures.md) — скилл · 42500 установок
- [smell](https://affpapa.org/nevibecode/skills/smell.md) — скилл · 862 установки
- [principle-foundational-thinking](https://affpapa.org/nevibecode/skills/principle-foundational-thinking.md) — скилл · 10100 установок

Из того же набора: [pproenca/dot-skills](https://affpapa.org/nevibecode/by/pproenca/dot-skills.md) — 139 карточек

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md
