performance-analysis
Analyser les goulots d'étranglement de performance des swarms
Également disponible depuis: Claude Flow Team
Les swarms Claude Flow peuvent connaître des problèmes de performance affectant la vitesse et l'efficacité. Cette compétence détecte les goulots d'étranglement à travers les couches de communication, de traitement, de mémoire et de réseau. Elle génère des rapports de performance détaillés et fournit des recommandations d'optimisation actionnables pour améliorer la performance des swarms.
Télécharger le ZIP du skill
Importer dans Claude
Allez dans Paramètres → Capacités → Skills → Importer un skill
Activez et commencez à utiliser
Tester
Utilisation de "performance-analysis". Exécuter la détection des goulots d'étranglement avec les corrections automatiques activées
Résultat attendu:
- Rapport d'analyse des goulots d'étranglement
- Résumé : 6 agents analysés, 42 tâches traitées, 2 problèmes critiques
- Critique : Communication des agents (impact de 35%) - messages coordinator → coder-1 retardés de 2.3s en moyenne
- Avertissement : File de tâches (impact de 18%) - 5 tâches en attente > 10s pour attribution
- Recommandations : Passer à la topologie hiérarchique (amélioration estimée de 40%), activer la mise en cache mémoire (amélioration estimée de 25%)
- Corrections appliquées : Mise en cache intelligente activée, routage des messages optimisé, priorités des agents ajustées
Utilisation de "performance-analysis". Générer un rapport de performance hebdomadaire
Résultat attendu:
- Rapport d'analyse de performance - Résumé hebdomadaire
- Score global : 87/100
- Métriques clés : Temps moyen des tâches 42s (diminution de 12%), Utilisation des agents 78% (augmentation de 5%), Taux de cache 91%
- Problème critique : Délai de communication des agents (impact de 35%) - Passer à la topologie hiérarchique
- Avertissement : Pattern d'accès mémoire (impact de 18%) - Activer la mise en cache mémoire
- Top recommandations : Topologie hiérarchique (amélioration de 40%), mise en cache mémoire (amélioration de 25%)
Utilisation de "performance-analysis". Analyser un swarm spécifique avec une plage de temps
Résultat attendu:
- Analyse du swarm : swarm-123
- Plage de temps : Dernières 24 heures
- Agents analysés : 8
- Tâches traitées : 156
- Problèmes critiques : 1
- Principal goulot d'étranglement : Frais de coordination (impact de 42%) - Charges de travail des agents déséquilibrées détectées
- Suggestion : Augmenter la concurrence des agents à 10 pour une amélioration de 30%
Audit de sécurité
SûrThis skill contains only documentation and usage examples for the Claude Flow performance analysis CLI. All static findings are false positives. The flagged 'weak cryptographic algorithm' patterns are skill tags (optimization, analysis) in JSON metadata. The 'external commands' and 'child_process' patterns are markdown code blocks showing example CLI usage, not executable code. The 'path traversal' patterns are documentation links. No executable code, no data exfiltration, no malicious patterns. Pure documentation skill.
Facteurs de risque
🌐 Accès réseau (1)
📁 Accès au système de fichiers (8)
⚡ Contient des scripts (1)
⚙️ Commandes externes (54)
Score de qualité
Ce que vous pouvez construire
Surveiller les swarms de production
Suivre les métriques de performance et détecter les problèmes dans les déploiements de swarm Claude Flow en production avant qu'ils n'affectent les utilisateurs
Revoir la performance de l'équipe
Générer des rapports de performance pour évaluer l'efficacité de l'équipe et identifier les opportunités d'optimisation à travers les projets
Optimiser l'efficacité du swarm
Ajuster finement la topologie du swarm et les configurations des agents basée sur l'analyse des goulots d'étranglement et les suggestions d'amélioration
Essayez ces prompts
Exécuter une détection rapide des goulots d'étranglement sur le swarm actuel avec les paramètres par défaut
Générer un rapport de performance complet pour les dernières 24 heures incluant toutes les métriques et recommandations
Détecter les goulots d'étranglement avec un seuil de 15 pour cent et appliquer des corrections automatiques pour résoudre les problèmes critiques
Exporter l'analyse des goulots d'étranglement au format JSON et échouer si des problèmes critiques sont détectés au-dessus d'un seuil de 10 pour cent
Bonnes pratiques
- Exécuter la détection des goulots d'étranglement après les changements majeurs pour identifier les régressions de performance
- Définir des seuils appropriés : 10-15% pour la production, 25-30% pour les environnements de développement
- Revoir les recommandations avant d'appliquer --fix pour comprendre les modifications effectuées
Éviter
- Exécuter avec le seuil par défaut sans considérer vos besoins spécifiques en performance
- Appliquer --fix sans revisar les recommandations au préalable
- Ignorer les goulots d'étranglement de niveau avertissement qui peuvent devenir des problèmes critiques avec le temps
Foire aux questions
Quels outils Claude sont pris en charge ?
Quelles métriques de performance sont analysées ?
Cette compétence peut-elle modifier mon code ?
Mes données sont-elles sécurisées ?
Pourquoi aucun goulot d'étranglement n'est-il détecté ?
Comment cela se compare-t-il aux autres outils de surveillance ?
Détails du développeur
Structure de fichiers
📄 SKILL.md