SuperAPI AI 工具集

extreme-software-optimization

编程与开发

查看项目

更新于 10-16 03:17

技能介绍

用途:面向性能优化场景,要求先剖析再改动,并用行为等价证明保证优化前后结果一致。触发关键词包括 optimize、slow、bottleneck、hotspot、profile、p95、latency、throughput、算法复杂度等。

核心规则:先剖析;证明行为未变;每次只改一处。

强制循环:1) 基线,使用 hyperfine --warmup 3 --runs 10 'command';2) 剖析,如 cargo flamegraph、py-spy、clinic flame;3) 证明,保存黄金输出并做同构证明;4) 实施,仅做评分≥2.0 的改动,每次提交只动一个杠杆;5) 验证,运行 sha256sum -c golden_checksums.txt;6) 重复,重新剖析,因为瓶颈会转移。

机会矩阵:按热点(func:line)、影响(1-5)、置信度(1-5)、工作量(1-5)计算 Score=Impact×Conf/Effort,仅实施 Score≥2.0 的项。

同构证明模板要求记录:顺序是否保持、平局处理是否不变、浮点是否一致、随机种子是否不变、黄金输出校验是否通过。

技术分层:Tier 1 低垂果实,如 N+1 改批量、线性查找改 HashMap、惰性求值、记忆化、缓冲区复用;Tier 2 算法,如二分查找、双指针、前缀和、优先队列;Tier 3 数据结构,如 HashMap、BTreeMap、SmallVec、Arena、Bloom filter。完整目录见 TECHNIQUES.md。

语言速查:Rust 用 cargo flamegraph,Go 用 go tool pprof /debug/pprof/profile,TS 用 clinic flame -- node app.js,Python 用 py-spy record -o flame.svg -- python script.py。

反模式:不剖析就优化、一次提交多处改动、假设有提升、顺手改行为、跳过黄金输出捕获。

优化前检查清单:捕获基线(p50/p95/p99、吞吐、内存);剖析确认热点在耗时前 5;机会评分≥2.0;保存黄金输出;写同构证明;只动一个杠杆;准备回滚方案 git revert <sha>。

工具命令:基准测试 hyperfine --warmup 3 --runs 10 'command';剖析 cargo flamegraph、heaptrack ./binary、strace -c ./binary;验证 sha256sum golden_outputs/* > golden_checksums.txt 与 sha256sum -c golden_checksums.txt。

迭代轮次:第 1 轮标准优化;第 2 轮算法优化见 ADVANCED.md;第 3 轮特殊结构。每轮都重新剖析,产生新热点与新矩阵。

限制:资料未提供具体收费、价格、平台支持范围或效果保证;实际收益取决于项目与剖析结果。