SuperAPI AI 工具集

performance-profiling

通用与其它

查看项目

更新于 10-16 02:35

技能介绍

用途:提供一套性能分析(Performance Profiling)的原则与工作流,帮助按“测量→分析→优化”的顺序定位并解决性能问题。

主要能力:

  1. 运行时脚本:scripts/lighthouse_audit.py 用于 Lighthouse 性能审计,用法为 python scripts/lighthouse_audit.py https://example.com。
  2. Core Web Vitals 目标:LCP 良好<2.5s、差>4.0s(加载);INP 良好<200ms、差>500ms(交互);CLS 良好<0.1、差>0.25(稳定性)。测量时机:开发用本地 Lighthouse,CI/CD 用 Lighthouse CI,生产用 RUM。
  3. 四步流程:BASELINE 测量现状 → IDENTIFY 找瓶颈 → FIX 做针对性修改 → VALIDATE 确认改进。
  4. 工具选择:页面加载用 Lighthouse,包体积用 Bundle analyzer,运行时用 DevTools Performance,内存用 DevTools Memory,网络用 DevTools Network。
  5. 打包分析:关注大依赖、重复代码、未使用代码、缺少拆分;对应动作包括按需导入模块、去重与升级版本、路由代码分割、tree shake。
  6. 运行时分析:Performance 面板识别长任务(>50ms,UI 阻塞)、大量小任务、布局/绘制、脚本执行;Memory 面板识别堆增长、大对象保留、游离 DOM。
  7. 常见瓶颈与快速优化优先级:压缩、图片懒加载、路由代码分割、静态资源缓存、图片优化。
  8. 反模式:不要猜测问题、不要微优化、不要过早优化、不要忽略真实用户数据。

使用方式:按流程先建立基线,再依据症状选择对应工具定位瓶颈,做最小改动后验证效果。

适用场景:Web 前端性能诊断与优化、CI 性能回归、生产环境真实用户监控。

限制:资料未提供具体框架、平台或环境要求,也未提供收费、价格等信息;实际效果需结合项目测量确认。