SuperAPI AI 工具集

rea-analysis-optimization

智能体与模型

查看项目

更新于 11-10 16:20

技能介绍

用途

该技能面向 REA 分析优化场景,帮助智能体在保持正确性与证据(Evidence)语义不变的前提下,减少不必要的计算、内存与延迟开销。核心目标是:找到一个具体的不必要工作来源,在其归属位置进行修改,并验证完成后的调查结果等价。一个有效的结果也可以是有测量依据地决定不改动现有实现。

技能本身只提供优化工作流,不额外授予执行目标、发布或合并的权限;须遵循当前契约、提供者前置条件和用户授权。仅当变更针对性能或有具体回归担忧时才进行性能测量;常规清理使用正确性检查,不因辅助调用、导入或表示变化而要求本优化工作流或合成基准。

主要能力

  1. 固定问题与正确性预言机:描述分析师的完整任务(所需事实与关系、请求细节、源访问、有意义的未知项),选择代表性真实工件及小/空用例,记录基线修订、目标摘要、引擎身份、选项、主机和入口点。使用独立于被改实现的预言机验证正确性,保留地址宽度、同地址备选、未解析端点、覆盖范围和源链接。
  2. 定位最早的不必要工作:沿一个公共 CLI 或 MCP 任务追踪共享应用代码到生产者,测量准入与身份检查、原生分析、解码、查找、投影、序列化、证据保留和清理等阶段。
  3. 选择最小结构修正:针对重复扫描已验证事实、重复等价引擎工作、为选中事实生成完整报告、大型临时传输缓冲区、大量重复同质读取等观测成本,给出对应的候选修正及需建立的条件。
  4. 保持单一解释与明确复用生命周期:由生产者边界一次性验证和规范化事实,消费者通过共享 CLI/MCP 实现查询该表示;为每个缓存或共享生产者说明键、所有者、失效、保留大小和生命周期;区分确定性拒绝与需要显式重试策略的情形。
  5. 界定进程族与保留状态:不仅限制父堆或工作线程数,还要考虑解码与序列化膨胀;根据主机和工作负载选择 CPU、内存、并发和磁盘限制,在 OOM 前停止并验证归属清理。
  6. 对比完成任务并限定声明:在等价输入、结果、覆盖和证据语义下运行受影响真实公共工作流的前后对比,包含小输入以暴露设置成本和回归;区分新会话、热运行时缓存和 OS 文件缓存;报告任务结果、阶段计时、总耗时与 CPU 时间、峰值进程族内存及核算方法、资源停止和清理。

使用方式

按照结账处的性能优先级、工具设计和测试指南操作。选择复用策略或解读基准时可参考 Kuna 案例研究,其固定观察仅说明权衡,不构成当前提供者保证或通用加速承诺。对涉及缓存的每一处,需明确键、所有者、失效、保留大小和生命周期,并考虑影响结果的目标字节、引擎内容、分析选项、架构/负载映射及解析器/模式版本。变更共享工作、失效、并发消费者、最后等待者取消、关闭和清理重试路径时,应测试这些路径。

适用场景

  • 优化 REA 提供者或共享分析流程的智能体上下文、延迟、CPU 和内存占用。
  • 在保持正确性与证据语义的前提下,减少重复扫描、重复引擎工作、完整报告传输或大临时缓冲区。
  • 需要建立独立正确性预言机、定义复用生命周期、限定性能声明范围的性能相关变更。

限制

  • 不授予执行目标、发布或合并的额外权限。
  • 仅在有性能目标或具体回归担忧时进行性能测量;常规清理不要求合成基准。
  • 不得在未识别所移除工作及其维护/资源成本的情况下引入索引、通用缓存、批处理端点或编排层。
  • 不能仅凭更小的 JSON 声称减少模型 token 或提升调查质量;token 声明需分别统计模式/发现、参数、回复、重试和续接,并区分分词器估算与实际模型用量。
  • 不得声称复杂软件优势,除非有完成的代表性调查和可比的正确性/覆盖。
  • 案例研究中的固定观察不是当前提供者保证或通用加速承诺。