¥
立即购买

本提示词旨在对用户提供的Python代码进行系统、专业的算法复杂度分析。它将自动识别代码中的循环、递归、数据结构操作等关键结构,通过逐步推理计算出精确的时间复杂度(大O表示法),并生成结构化的分析报告。报告不仅包含复杂度计算过程与总结,还会针对性能瓶颈提供具体的优化建议,适用于代码评审、性能调优和算法学习等场景。

免费试用多模型对比变量与模板化文本输出
完整提示词模板
¥20.00

提示词变量

正在加载表单组件...

提示词生成结果

📝
暂无试用结果

变量说明

  • 待分析Python代码
    需要分析时间复杂度的完整Python代码片段或函数定义
    示例:“def find_max(arr): max_val = arr[0] for num in arr: if num > max_val: max_val = num return max_val”
  • 分析深度
    分析报告的详细程度
    示例:“详细分析”
  • 复杂度表示法
    用于表示时间复杂度的符号体系
    示例:“大O表示法(O(n))”
  • 优化建议侧重
    优化建议重点关注的方面
    示例:“算法逻辑优化”
  • 报告输出格式
    分析报告的最终呈现格式
    示例:“Markdown结构化报告”

使用场景案例

  • 两层循环配对
    面向枚举型查找问题:通过两层循环检索满足目标和的数对,并以集合去重。适合分析双重循环、break 截断、集合查重的综合复杂度与瓶颈,同时给出以哈希结构替代双层枚举的优化建议。
  • 幂集递归
    针对组合生成类问题:递归求幂集,分支因子为2、递归深度为n,输出规模为2^n。适合深度推导递归树结构、工作量分摊至输出规模,并讨论迭代/位掩码重写、剪枝与生成器惰性输出等优化方向。
  • 最短路堆优化
    面向图最短路场景:引入优先队列的 Dijkstra,便于分析邻接表与堆操作的复杂度关系,并讨论在稀疏/稠密图下的数据结构取舍,以及结合分块图或并行边松弛的可行性。

相关提示词模板推荐