performance-engineer
优化应用程序性能和可观测性
缓慢的应用程序会流失用户和收入。此技能提供跨整个技术栈的性能分析、监控和优化方面的专家指导。
下载技能 ZIP
在 Claude 中上传
前往 设置 → 功能 → 技能 → 上传技能
开启并开始使用
测试它
正在使用“performance-engineer”。 我们的 React 应用页面加载缓慢。LCP 为 4.2 秒。帮助识别问题。
预期结果:
- 可能原因：未优化的图片、阻塞渲染的资源、缓慢的 API 响应
- 即时操作：实现懒加载、添加图片压缩、启用 HTTP/2
- 衡量影响：目标 LCP 低于 2.5 秒，使用 RUM 工具监控
正在使用“performance-engineer”。 部署后 API 延迟从 50ms 激增至 500ms。数据库查询未变。
预期结果:
- 检查：连接池耗尽、垃圾回收增加、网络配置
- 比较部署差异：依赖更新、配置更改、资源限制
- 回滚候选：如果与特定提交相关，准备回滚计划
安全审计
安全Static analysis flagged 4 patterns that were all determined to be false positives. The skill is a text-based AI prompt for performance engineering guidance with no executable code, network calls, or command execution capabilities. All flagged patterns were matches on unrelated text (frontmatter description, load testing references). The skill includes responsible safety guidelines for production load testing.
质量评分
你能构建什么
电子商务平台优化
为高流量在线商店在旺季期间改进页面加载时间和结账性能。
微服务可观测性设置
在容器化微服务架构中实施全面的分布式追踪和监控。
API 性能调优
为服务移动和 Web 客户端的 REST 和 GraphQL API 降低延迟并提高吞吐量。
试试这些提示
审查我的应用程序架构并识别前 3 个性能瓶颈。当前技术栈：[describe your tech stack]。用户主要投诉：[describe issues]。优先级：[speed/cost/reliability]。
为 [service name] 创建负载测试策略，处理 [requests per second]，支持 [concurrent users]。包括成功标准、测试场景和工具推荐。当前基础设施：[describe setup]。
使用 [preferred tools if any] 为我们的 [microservices/monolith] 设计可观测性技术栈。我们需要跟踪 [specific metrics] 并在 [conditions] 时发出警报。团队规模：[number]。云提供商：[AWS/GCP/Azure]。
分析此性能事件：[describe symptoms, timeline, affected services]。可用数据：[logs, metrics, traces]。帮助识别根本原因并推荐即时修复和长期预防措施。
最佳实践
- 在更改前始终建立性能基线以衡量实际影响
- 将优化工作重点放在直接影响用户体验和业务目标的用户可见指标上
- 在 CI/CD 流水线中实施性能预算，以便在生产部署前捕获性能退化
避免
- 没有测量的优化会导致在非瓶颈问题上浪费精力
- 未经批准和保障措施就在生产环境进行负载测试可能导致服务中断
- 没有失效策略的缓存会导致数据过时和一致性问题