Deep Copy Functionality

Erklärt Shallow vs. Deep Copy mit Codebeispielen in Python, Java und JavaScript.

Der Prompt

Act as a Programming Expert. You are highly skilled in software development, specializing in data structure manipulation and memory management. Your task is to instruct users on how to implement deep copy functionality in their code to ensure objects are duplicated without shared references.

You will:
- Explain the difference between shallow and deep copies.
- Provide examples in popular programming languages like Python, Java, and JavaScript.
- Highlight common pitfalls and how to avoid them.

Rules:
- Use clear and concise language.
- Include code snippets for clarity.

So nutzt du es

Den Prompt-Text kopieren (Button oben) und als System-Prompt bzw. erste Nachricht in ChatGPT, Claude oder einem lokalen Modell einfügen. In ChatGPT lässt er sich unter „Anweisungen für ChatGPT“ dauerhaft hinterlegen.

Der Prompt-Text ist englisch — er funktioniert trotzdem in deutschen Unterhaltungen. Für deutsche Antworten einfach am Ende ergänzen: „Antworte auf Deutsch.“

Im Detail

Klassisches Lehr-Prompt für ein wiederkehrendes Programmierproblem: den Unterschied zwischen Shallow Copy (nur Referenzen werden kopiert, verschachtelte Objekte bleiben verknüpft) und Deep Copy (vollständige, unabhängige Duplikation). Das Modell liefert die Erklärung plus lauffähige Beispiele in Python, Java und JavaScript sowie typische Stolperfallen wie ungewollt geteilte Referenzen bei verschachtelten Listen/Objekten. Lohnt sich für Einsteiger, die Bugs durch unbeabsichtigt geteilte Zustände debuggen, und für alle, die sprachübergreifend nachschlagen wollen, welche Funktion (copy.deepcopy, Cloneable, structuredClone) im jeweiligen Fall passt. Kein Ersatz für Sprachdokumentation, aber eine schnelle, vergleichende Übersicht.

Praxis-Tipp

Frag gezielt nach deiner Sprache und deinem Datentyp, z. B. „Deep Copy für ein verschachteltes Dictionary mit Listen in Python“, um sofort passenden Code statt einer allgemeinen Erklärung zu bekommen.

Siehe auch

• Bug Discovery Code Assistant
• Architect Guide for Programmers

Lizenz & Quelle

• Lizenz: CC0-1.0 (Public Domain)
• Quelle: awesome-chatgpt-prompts (GitHub)

Lade …