Longstrider 是一个面向性能优化的技能，定位是“为已经能正常工作的系统缩短路径，但不改变目的地”。它关注可持续的日常速度，而非一次性的亮眼基准测试结果。资料将其描述为一个带有“立即交付”特征的隐喻式技能，规范参考输入为 Longstrider（spell）。
用途与触发场景 当用户描述一个本来能运行、但比预期更慢的系统，并希望提速时，可触发该技能。资料给出的识别信号包括：带指标的时间抱怨（如“要 22 分钟”“加载 4.2 秒”“p95 是 800ms”“冷启动 8 秒”）；优化类关键词（如瓶颈、加速、优化、更快、profiling、缓存、并行化、批处理）；约束性表述（如“不重写”“不跳过测试”“不改表结构”“快速见效”“不想改产品”）；摩擦证据（如“大部分时间花在……”“最大内容绘制是……”“单线程 Python 逐行读取”）；以及度量思维（如“前后对比”“度量计划”“profile”“先弄清发生了什么”）。
主要能力与工作流程
- 先复述目标、成功条件，以及不可触碰的边界。
- 先做剖析：定位时间、等待或重复工作真正花在哪里；资料强调不得凭感觉优化，要求或提出对真实瓶颈进行度量。
- 选择最小有效改动：针对摩擦最大的环节，优先采用缓存、批处理、并行化或路径简化，而非重写。
- 给出速度方案：交付按优先级排序的优化计划、前后对比的度量策略，以及针对正确性、成本或缓存失效回归的观察清单。
- 在结果中明确标注置信度、假设和未解决的风险。
交付物
- 按优先级排序的优化计划。
- 前后对比的度量策略。
- 正确性、成本或缓存失效回归的观察清单。
适用场景 适合已有可运行系统、存在可度量的速度问题、且希望在尽量不改动产品行为的前提下获得明确提速的场景。
限制与不适用场景 资料明确列出以下不适用情况：重写或迁移（如从 Node.js 改为 Go）；缺陷修复（如部署因权限持续失败）；韧性模式（如增加重试逻辑与熔断器）；概念教学（如讲解生成器与 async/await）；团队扩张（如编写招聘计划）；个人健身（如“优化我的训练安排”，属于字面误解）。
前置条件 除 Hermes Agent 及本次会话的常规工具集外，没有额外的运行时依赖。
护栏与验证 资料要求：把隐喻锚定在真实机制上，不要滑向虚构设定；在原始速度之上优先保护正确性与可维护性；在提出方案前先识别真实瓶颈；显式标注回归风险（缓存失效、竞态条件、测试完整性）。验证时需检查结果是否包含上述全部交付物、是否清晰区分已确认事实、假设与推断，以及隐喻是否仍能清晰映射到真实运行机制。
示例调用 /longstrider show me how to make this workflow meaningfully faster without changing what it is supposed to accomplish
其他信息（如具体收费、支持平台、安装命令等）暂未提供。