ตัวอย่างที่ดีคือเทต et al. ของฝ่ายผลิตคอมไพเลอร์เพิ่มประสิทธิภาพจากการพิสูจน์ เขาใช้ pullbacks และ pushouts เป็นสหภาพแรงงานและทางแยกทั่วไปในหมวดหมู่ที่ลูกศรคือการแทนที่ (IIRC)
Ross Tate อ้างว่า (บนหน้ากระดาษ) ว่ารายละเอียดล้นหลามไปโดยปราศจากสิ่งที่เป็นนามธรรมโดยทฤษฎีหมวดหมู่ โดยส่วนตัวฉันต้องการส่งเป็น "หลักฐานเชิงชี้นำ" (หากมีหลักฐานใด ๆ ของการอ้างสิทธิ์) ไดอะแกรม (6) และ (7) ในกระดาษของพวกเขา - พวกเขาดูซับซ้อนพอในรูปแบบแผนภาพ ให้ฉันพูดความคิดเห็นของพวกเขาแบบอินไลน์
บางคนถามเราว่าเหตุใดเราจึงสรุปเทคนิคการพิสูจน์ทั่วไปของเราได้ทั้งหมดและทำไมเราจึงใช้ทฤษฎีหมวดหมู่เป็นนามธรรมของเรา อย่างไรก็ตามเราได้ออกแบบอัลกอริทึมที่เป็นนามธรรมก่อนโดยใช้ทฤษฎีหมวดหมู่แล้วใช้มันเพื่อหาวิธีแก้ปัญหาที่เป็นรูปธรรมของเรา เราติดอยู่กับปัญหาที่เป็นรูปธรรมรายละเอียดและตัวแปรและวิธีแก้ปัญหาใด ๆ ที่เราคิดได้โดยพลการ เพื่อที่จะสะท้อนและลดความซับซ้อนเราจึงตัดสินใจที่จะใช้คำถามของเราตามหมวดหมู่ สิ่งนี้นำไปสู่แผนภาพของแหล่งที่มาและอ่างล้างมือดังนั้นเราจึงใช้ pushouts และ pullbacks เพื่อยึดสิ่งต่าง ๆ เข้าด้วยกัน ความท้าทายที่ยิ่งใหญ่ที่สุดเกิดขึ้นกับการทำสำเร็จให้สำเร็จเร็วกว่าที่จะใช้แนวคิดมาตรฐานที่มีอยู่ สูตรการจัดหมวดหมู่ง่ายต่อการระบุและเหตุผลเกี่ยวกับ หลังจากนั้นเรายกตัวอย่างกระบวนการนามธรรม
เราได้พบจริง ๆ แล้วกระบวนการของการสรุปทฤษฎีหมวดหมู่นี้เมื่อใดก็ตามที่เราติดอยู่จะมีผลค่อนข้างมาก ไม่เพียง แต่จะช่วยแก้ปัญหาที่เป็นรูปธรรมเท่านั้น แต่เรายังมีความเข้าใจที่ดีขึ้นเกี่ยวกับปัญหาของเราเองรวมถึงวิธีแก้ปัญหาเชิงนามธรรมที่สามารถปรับใช้กับแอปพลิเคชันอื่นได้อย่างง่ายดาย ดังนั้นประสบการณ์ของเราแสดงให้เห็นว่าทฤษฎีหมวดหมู่อาจมีประโยชน์ในการสร้างอัลกอริทึมที่เกิดขึ้นจริงนอกเหนือจากการเป็นประโยชน์ในฐานะกรอบงานสำหรับการทำให้เป็นระเบียบ เราสนใจที่จะทราบประสบการณ์ที่คล้ายคลึงกันอื่น ๆ ทั้งในเชิงบวกและเชิงลบ