python-performance-optimization
Оптимизация производительности Python с помощью профилирования
Медленные Python-сервисы и задачи обработки данных трудно исправлять без измерений. Этот навык помогает Claude, Codex и Claude Code выполнять профилирование, бенчмаркинг, анализ памяти и целевую оптимизацию.
Установить с помощью моего Агента
Скопируйте этот запрос в своего Агента. Он содержит каноническую страницу Skill и манифест.
Review the Skillstore skill "python-performance-optimization" from https://skillstore.io/skills/wshobson-python-performance-optimization.md and its manifest at https://skillstore.io/api/skills/wshobson-python-performance-optimization/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.Ваш Агент по-прежнему должен показать план и запросить все подтверждения, требуемые политикой безопасности.
Ресурсы для AI-агентов
Используйте эти ссылки, когда AI-агенту, crawler или script нужен чистый контекст вместо полной страницы.
Протестировать
Использование «python-performance-optimization». Python API endpoint работает медленно при обычном трафике.
Ожидаемый результат:
План профилирования, который начинается с измерения времени запросов, использует cProfile или py-spy, ранжирует горячие пути и проверяет каждое изменение с помощью воспроизводимых бенчмарков.
Использование «python-performance-optimization». Пакетная задача использует слишком много памяти на больших файлах.
Ожидаемый результат:
Ревью памяти, которое проверяет аллокации, заменяет загрузку полных списков итераторами и сравнивает пиковое потребление памяти до и после изменений.
Использование «python-performance-optimization». Вставки в базу данных замедляют задачу импорта на Python.
Ожидаемый результат:
Чеклист оптимизации базы данных, охватывающий пакетную запись, область действия транзакций, индексы, планы запросов и критерии бенчмаркинга.
Аудит безопасности
БезопасноAll 63 static findings were adjudicated as false positives after reviewing SKILL.md context. The command matches are Markdown code fences. The network, SQLite, and py-spy examples are educational snippets. No hidden execution, credential access, or prompt injection evidence was found.
Факторы риска
⚙️ Внешние команды (49)
🌐 Доступ к сети (7)
Поделиться и цитировать этот отчет
Делитесь версионным отчетом об оценке, нейтральным значком, встраиваемой карточкой и цитатами. Skillstore публикует доказательства, не решая, безопасен ли этот Skill.
Копировать ссылку на отчёт
https://skillstore.io/skills/wshobson-python-performance-optimization/audits/8?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_reportЗначок Markdown
[](https://skillstore.io/skills/wshobson-python-performance-optimization?utm_source=security_passport_badge)Значок HTML
<a href="https://skillstore.io/skills/wshobson-python-performance-optimization?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/wshobson-python-performance-optimization/security.svg" alt="Skillstore security assessment" loading="lazy"></a>Встраиваемая карточка
<iframe src="https://skillstore.io/embed/skills/wshobson-python-performance-optimization.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>Академические ссылки (APA · BibTeX · CFF)
Цитата APA
wshobson. (2026). python-performance-optimization security audit report (audit version 8) [Author version unspecified]. Skillstore. https://skillstore.io/skills/wshobson-python-performance-optimization/audits/8Цитата BibTeX
@techreport{wshobson-wshobson-python-performance-optimization-2026,
author = {wshobson},
title = {python-performance-optimization security audit report (audit version 8)},
institution = {Skillstore},
year = {2026},
number = {8},
url = {https://skillstore.io/skills/wshobson-python-performance-optimization/audits/8},
note = {Author version unspecified}
}CITATION.cff
cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "python-performance-optimization security audit report (audit version 8)"
version: "unspecified"
type: report
authors:
- name: "wshobson"
date-released: "2026-07-08"
url: "https://skillstore.io/skills/wshobson-python-performance-optimization/audits/8"
identifiers:
- type: other
value: "skillstore:wshobson-python-performance-optimization:audit:8"
description: "Skillstore immutable audit report identifier"
Сравнить варианты
3 устанавливаемых вариантовНавык каждого автора остаётся отдельным устанавливаемым вариантом. Рекомендуемый вариант ранжируется по данным Skillstore.
Почему этот вариант первый
sickn33-python-performance-optimization
2026-09-09
wshobson-python-performance-optimization
2026-09-09
activeinferenceinstitute-python-performance-optimization
2026-10-21
Оценка Skillstore
Почему такая оценка Достоверность доказательств: ВысокийЧто вы можете построить
Сокращение задержки API
Профилируйте медленные пути обработки запросов, выявляйте горячие функции и выбирайте точечные изменения в коде или базе данных.
Ускорение обработки данных
Сравнивайте циклы, comprehensions, генераторы, multiprocessing и кэширование для крупных Python-нагрузок.
Контроль роста потребления памяти
Используйте профилирование памяти, снимки tracemalloc, итераторы и слабые ссылки, чтобы находить предотвратимый рост аллокаций.
Попробуйте эти промпты
Используй этот навык, чтобы помочь мне профилировать медленную Python-функцию. Объясни, с какого профилировщика начать и какие результаты собрать.
Используй этот навык, чтобы интерпретировать мои результаты профилирования Python. Определи вероятные узкие места и предложи самые безопасные следующие измерения.
Используй этот навык, чтобы оптимизировать нагрузку обработки данных на Python. Сравни варианты алгоритмической оптимизации, оптимизации памяти, кэширования и параллельного выполнения.
Используй этот навык, чтобы создать план ревью производительности для production Python-сервиса, включая CPU, память, I/O, базу данных и регрессионные бенчмарки.
Лучшие практики
- Сначала измеряйте, затем оптимизируйте самый горячий путь минимальным понятным изменением.
- Проводите бенчмарки до и после каждого изменения с репрезентативными размерами входных данных.
- Используйте данные, похожие на production, только когда это разрешают контроль доступа и правила конфиденциальности.
Избегать
- Не переписывайте код ради скорости до выявления измеренного узкого места.
- Не сравнивайте бенчмарки с разными входными данными, окружениями или состояниями кэша.
- Не запускайте примеры профилировщиков на чувствительных production-процессах без разрешения.