Recherche Algorithmique

Avant toute optimisation performance ou implémentation d'algorithme complexe.

Phase 1: Définir le Problème

1. •Clarifier le besoin exact d'optimisation
2. •Identifier les contraintes:
   • •Mémoire disponible
   • •CPU/latence acceptable
   • •Throughput requis
3. •Définir les métriques de succès mesurables

Phase 2: Recherche Internet

1. •

   Rechercher avec MCP Brave:

   • •"[problème] algorithm 2024 2025 rust"
   • •"[problème] state of the art implementation"
2. •

   Consulter:

   • •GitHub trending repos dans le domaine
   • •Blog posts techniques (Rust, HNSW, vector DB)
   • •Benchmarks comparatifs existants
3. •

   Documenter les options trouvées avec liens

Phase 3: Recherche arXiv

1. •

   Rechercher sur arXiv (via web search):

   • •Mots-clés: algorithme + domaine
   • •Exemples: "HNSW optimization", "approximate nearest neighbor"
2. •

   Filtrer les papers:

   • •Récents (< 2 ans de préférence)
   • •Avec implémentations disponibles
   • •Avec benchmarks reproductibles
3. •

   Identifier les innovations applicables à VelesDB

Phase 4: Synthèse

1. •Créer document de recherche:
   • •Chemin: .research/YYYY-MM-DD-sujet.md
   • •Contenu:
     • •Problème posé
     • •Solutions évaluées (min 3)
     • •Avantages/inconvénients de chaque
     • •Recommandation finale
     • •Liens sources

Phase 5: Décision

1. •Présenter synthèse à l'utilisateur
2. •Discuter trade-offs
3. •Obtenir validation avant implémentation
4. •Si nouvelle implémentation: créer US dans EPIC appropriée

Template .research/

Recherche: [Sujet]

Date: YYYY-MM-DD Auteur: [Dev]

Problème

[Description du besoin d'optimisation]

Contraintes

• •Mémoire:
• •Latence:
• •Throughput:

Solutions Évaluées

Option 1: [Nom]

• •Source: [lien]
• •Avantages:
• •Inconvénients:
• •Complexité implémentation:

Option 2: [Nom]

...

Recommandation

[Solution choisie et justification]

Plan d'Action

1. •...
2. •...