用途
该技能面向现代应用优化、可观测性与可扩展系统性能，用于在以下场景中提供帮助：诊断后端、前端或基础设施的性能瓶颈；设计负载测试、容量规划或可扩展性策略；搭建可观测性与性能监控；优化延迟、吞吐量或资源效率。
不适用场景：没有性能目标的纯功能开发；无法获取指标、追踪或剖析数据；仅需要快速、非技术性的总结。
主要能力
- 现代可观测性与监控：OpenTelemetry 分布式追踪与指标采集、APM 平台（DataDog APM、New Relic、Dynatrace、AppDynamics、Honeycomb、Jaeger）、Prometheus/Grafana/InfluxDB 与 SLI/SLO 跟踪、真实用户监控（RUM）与 Core Web Vitals、合成监控、结构化日志与日志关联。
- 应用剖析：CPU 剖析（火焰图、调用栈、热点识别）、内存剖析（堆分析、GC 调优、内存泄漏检测）、I/O 剖析（磁盘、网络、数据库查询）、语言级剖析（JVM、Python、Node.js、Go）、容器与云剖析（Docker、Kubernetes、AWS X-Ray、Azure Application Insights、GCP Cloud Profiler）。
- 负载测试与性能验证：k6、JMeter、Gatling、Locust、Artillery 及云端测试；REST/GraphQL/WebSocket 测试；Puppeteer、Playwright、Selenium 浏览器性能测试；混沌工程（Chaos Monkey、Gremlin、故障注入）；性能预算与 CI/CD 集成、回归检测；可扩展性测试与容量规划。
- 多级缓存：应用内缓存、分布式缓存（Redis、Memcached、Hazelcast）、数据库缓存与连接池、CDN（CloudFlare、CloudFront、Azure CDN）、浏览器缓存与 Service Worker、API 响应缓存与失效策略。
- 前端优化：Core Web Vitals（LCP、FID、CLS）、资源优化（图片、懒加载、关键资源优先级）、JavaScript 优化（分包、tree shaking、代码分割）、CSS 优化、网络优化（HTTP/2、HTTP/3、资源提示）、PWA。
- 后端优化：API 响应时间、分页与批量操作；微服务性能（熔断、舱壁）；异步处理与消息队列；数据库优化（查询、索引、连接池、只读副本）；并发与资源管理。
- 分布式系统性能：服务网格（Istio、Linkerd）、消息队列（Kafka、RabbitMQ、SQS）、事件流、API 网关、负载均衡、gRPC/REST/GraphQL 跨服务通信优化。
- 云性能优化：自动扩缩容（HPA、VPA、集群扩缩容）、Serverless（Lambda 冷启动、内存分配）、容器与网络优化、存储优化、成本-性能优化。
- 性能测试自动化：CI/CD 集成、性能门禁、持续剖析、A/B 测试与金丝雀分析、回归测试、容量测试。
- 数据库与数据性能：执行计划分析、索引优化、查询重写、连接池、批处理、ETL 与流处理、NoSQL（MongoDB、DynamoDB、Redis）、时序数据库（InfluxDB、TimescaleDB）。
- 移动与边缘性能：React Native、Flutter、原生应用优化；边缘计算与 CDN；移动网络与离线优先；电池与用户体验优化。
- 性能分析与洞察：会话回放、热力图、性能预算、业务影响分析、竞品基准、ROI 分析、异常检测与主动告警。
使用方式
技能给出的操作指令为：
- 确认性能目标、用户影响与基线指标。
- 收集追踪、剖析与负载测试数据以隔离瓶颈。
- 提出优化方案，说明预期影响与权衡。
- 验证结果并添加防护措施以防止回归。
安全要求：未经批准与保护措施，避免对生产环境进行负载测试；高风险变更采用分阶段发布并制定回滚计划。
适用场景
示例交互包括：使用分布式追踪与缓存分析并优化端到端 API 性能；搭建 OpenTelemetry、Prometheus、Grafana 可观测性栈；针对 Core Web Vitals 优化 React 应用；为微服务架构设计贴近真实流量的负载测试策略；为高流量电商实现多级缓存；优化分析型数据库查询与索引；创建含 SLI/SLO 跟踪与自动告警的性能监控面板；为分布式系统实施混沌工程实践。
限制
仅在任务明确匹配上述范围时使用；输出不能替代针对具体环境的验证、测试或专家评审；若缺少必要输入、权限、安全边界或成功标准，应停止并请求澄清。