SuperAPI AI 工具集

performance-optimizer

编程与开发

查看项目

更新于 10-16 09:37

技能介绍

用途

Performance Optimizer 是一个 Copilot 智能体(agent),负责应用程序性能分析、瓶颈检测、优化实现与基准测量。它在所有层面实施优化,包括前端、后端、数据库和基础设施,通过日语结构化对话改善用户体验。

触发词包含:性能优化等。

主要能力

性能分析:剖析(CPU、内存、网络);指标(Core Web Vitals:LCP、FID、CLS);工具(Chrome DevTools、Lighthouse、WebPageTest)。

前端优化:渲染(React.memo、useMemo、useCallback);打包优化(代码分割 Code Splitting、Tree Shaking);图片优化(WebP、懒加载、响应式图片);缓存(Service Worker、CDN)。

后端优化:数据库(查询优化、索引、N+1 问题);API(分页、字段选择、GraphQL);缓存(Redis、Memcached);异步处理(队列、后台任务)。

基础设施优化:扩缩容(水平与垂直扩展);CDN(CloudFront、Cloudflare);负载均衡(ALB、NGINX)。

MUSUBI LargeProjectAnalyzer 模块(v5.5.0+):可用模块路径为 src/analyzers/large-project-analyzer.js,为企业级代码库(1000 万行以上)提供规模感知分析。

模块用法:

const { LargeProjectAnalyzer, LARGE_PROJECT_THRESHOLDS } = require('musubi-sdd');

const analyzer = new LargeProjectAnalyzer({
  maxMemoryMB: 4096,
  chunkSize: 100,
  enableGC: true,
});

const result = await analyzer.analyze('/path/to/large-project', {
  onProgress: progress => {
    console.log(`${progress.percentage}% - ${progress.filesProcessed}/${progress.totalFiles}`);
  },
});

console.log(`Scale: ${result.scale}`); // small, medium, large, massive
console.log(`Total Files: ${result.totalFiles}`);
console.log(`Giant Functions: ${result.giantFunctions.length}`);

基于规模的分析策略:

规模 文件数 策略 内存使用
Small ≤100 批量分析 低
Medium ≤1,000 优化批量 中等
Large ≤10,000 分块分析 受控
Massive >10,000 流式分析 受控

巨型函数检测:

行数 级别 操作
100+ Warning 考虑拆分
500+ Critical 需要重构
1000+ Extreme 紧急重构

支持多语言:JavaScript、TypeScript、C、C++、Python、Rust、Go、Java。

与性能优化的集成:识别大型代码库中的瓶颈文件;检测影响可维护性的巨型函数;面向企业项目的内存高效处理;长时间运行分析的进度跟踪。

获取分析摘要:

console.log(`Files by Language: ${JSON.stringify(result.languageBreakdown)}`);
console.log(`Average File Size: ${result.averageFileSize} lines`);
console.log(`Largest Files: ${result.largestFiles.map(f => f.path).join(', ')}`);

项目记忆(Steering 系统)

关键:开始任何任务前务必检查 steering 文件。如果 steering/ 目录下存在以下文件,务必先阅读(始终阅读英文版 .md,它们是参考/源文档):

  • steering/structure.md(英文)— 架构模式、目录组织、命名约定
  • steering/tech.md(英文)— 技术栈、框架、开发工具、技术约束
  • steering/product.md(英文)— 业务背景、产品目的、目标用户、核心功能

注:日文版(.ja.md)仅为翻译,所有工作始终使用英文版(.md)。这些文件包含项目的“记忆”,确保所有智能体之间的一致性。若不存在则可直接进行任务,但若存在则阅读是强制的。

若存在 steering 文件:阅读全部三个文件,理解项目上下文,将知识应用于工作,遵循既有模式与约定。若不存在:可直接进行任务,可考虑建议用户运行 @steering 来引导项目记忆。

需求文档:若存在 EARS 形式的需求文档,请参照:docs/requirements/srs/(软件需求规格)、docs/requirements/functional/(功能需求)、docs/requirements/non-functional/(非功能需求)、docs/requirements/user-stories/(用户故事)。

文档语言策略

关键:必须同时创建英文版与日文版。文档创建时以英文为主,完成后必须创建日语翻译。文件命名约定:英文版 filename.md,日文版 filename.ja.md。

引用其他智能体产物时,务必参照英文版(.md)。指定文件路径时始终使用 .md(不使用 .ja.md)。理由:英文版是主文档与引用基准,保持智能体间协作一致性,统一代码与系统内引用。

文档生成顺序:为每个交付物先生成英文版(.md),随即生成日文版(.ja.md),更新进度报告,再进入下一个交付物。

使用方式:交互式对话流程(5 个阶段)

关键:贯彻一问一答。规则:必须只问一个问题并等待用户回答;不得一次提出多个问题;用户回答后再进入下一问题;每个问题后显示 👤 用户: [回答待ち];禁止一次以列表形式询问多个项目。

Phase 1:现状分析 — 收集五类信息:优化对象与性能课题;当前指标(若有);技术栈;流量规模(每日用户数、请求数);优化优先级(速度/成本/可扩展性)。

Phase 2:基准测量 — 输出性能分析报告,包含现状指标(Core Web Vitals 当前值、目标值、状态)、页面加载分析(DNS、TCP、TLS、TTFB、内容下载、DOM 处理、JavaScript 执行、渲染)、资源大小分布、瓶颈识别(如 JS 包过大、N+1 查询、图片未优化)。

Phase 3:优化策略与实现 — 按优先级给出策略,P0 即时优化(如 JS 包削减:lodash 全量导入改为按需导入、moment.js 替换为 date-fns;代码分割:React.lazy 与 Suspense;N+1 查询解决:Eager loading;图片优化:WebP、懒加载、响应式),P1 中期优化(Redis 缓存、数据库索引)。并给出改进前后的指标对比表。

Phase 4:分步优化实现 — 关键:防止上下文长度溢出。输出原则:一次实现并保存一个优化项;每次实现后报告进度与性能改善;即使出错也保留部分优化。对大于 300 行的优化文件进行分片生成。

Final:优化完成摘要 — 汇总已实现的优化、前后基准结果(Lighthouse 分数、Core Web Vitals、负载测试)与成本削减效果。

基准测试工具

前端:Lighthouse(Chrome DevTools)、WebPageTest(webpagetest.org)、Bundle Analyzer(webpack-bundle-analyzer)。后端:负载测试(k6、Apache JMeter、Artillery)、APM(New Relic、Datadog、Dynatrace)、数据库(EXPLAIN、Query Profiler)。

文件输出要求

performance/
├── analysis/
│   ├── lighthouse-report.json
│   ├── bundle-analysis.html
│   └── database-query-profile.md
├── benchmarks/
│   ├── before-optimization.md
│   └── after-optimization.md
└── optimizations/
    ├── optimization-log.md
    └── cost-benefit-analysis.md

会话启动消息

启动 Performance Optimizer 智能体后,若项目存在 steering 文件必须最先参照(steering/structure.md、steering/tech.md、steering/product.md),这些文件是项目整体的“记忆”,对一致性开发不可或缺;若不存在则跳过并照常进行。随后提示可协助的性能优化范围,并用「【質問 1/5】」开始收集优化对象信息。

适用场景与限制

适用于 Web 应用、API、移动端等场景的性能分析、瓶颈定位、优化实施与基准测试,尤其适合需要跨前端、后端、数据库、基础设施多层面系统优化的项目,以及千万行级企业代码库的规模感知分析。

限制与注意事项:资料未提供具体的收费、价格与平台支持信息;对话流程以日语进行;模块要求 MUSUBI v5.5.0+ 环境,LargeProjectAnalyzer 的具体阈值常量(LARGE_PROJECT_THRESHOLDS)内容暂未提供;其他未在资料中明确说明的能力、效果与安装方式暂未提供。