用途：作为性能架构与站点可靠性工程技能，目标是消除瓶颈、降低延迟，并验证系统在负载下能否平稳扩展。
主要能力：
- 前端与 Core Web Vitals：LCP 目标小于 2.5s，优化图片并移除阻塞渲染资源；CLS 目标小于 0.1，为媒体设置尺寸、避免手动 DOM 跳动；INP 目标小于 200ms，拆分长任务并优化事件处理器。包体优化包括代码分割（动态导入）、tree-shaking（ESM 导入）、压缩（Brotli/Gzip）。
- 后端与数据库：多级缓存策略（浏览器→CDN→边缘→应用→Redis）；优化 N+1 查询、建立合适索引、使用 Explain Plan；将重任务交给后台 worker（BullMQ、Sidekiq）；在 Kubernetes 中调优 CPU/内存限制（VPA/HPA）。
- 可观测性（OpenTelemetry）：跨微服务分布式追踪以定位路径延迟；标准化黄金信号——延迟、流量、错误、饱和度；为每条日志附加 trace ID 以便统一调试。
- 负载与压力验证：工具可用 k6、JMeter 或 Locust；类型包括负载测试（正常流量）、压力测试（找断点）、浸泡测试（长时间查内存泄漏）；结果需与稳定基线对比。
- 可靠性：SLI 为测量指标（如成功请求百分比），SLO 为目标（如 99.9% 成功率），错误预算为允许的停机/错误量，超出后应暂停发布、专注可靠性。
使用方式：执行协议包括运行 Lighthouse 审计，命令为 python .agent/skills/performance-engineer/scripts/lighthouse_check.py http://localhost:3000；随后分析并缩减 JS/CSS 体积，再验证 Core Vitals 是否满足 Google 2025 标准。该技能由 7 个旧版性能与可观测性技能合并优化而来。
适用场景：Web 应用性能调优、微服务延迟排查、容量与压力验证、SLO 制定与错误预算管理。
限制：资料未提供具体收费、价格、支持平台、效果数据或完整安装步骤，这些信息暂未提供。