性能基准测试技能旨在帮助开发者生成有意义的性能数字，避免因测量误差而产生误导性结论。该技能强调，基准测试工具在代码未改变时也可能报告出看似显著的差异，因此必须首先建立噪声底限，即测量相同代码多次运行得到的差异范围。噪声底限是工具、机器和工作负载的属性，而非代码的属性；低于噪声底限的效应应视为未测量，而非不存在。
主要能力包括：
- 噪声底限的建立与解释：通过在同一提交上运行两次基准并记录差异范围来确定底限，并在工具、机器或工作负载变化时重新建立。
- 配对测量：在同一条件下测量两个臂（如修改前后），使共享方差在差异中抵消，避免顺序偏差。
- 进程拓扑选择：独立进程（每个臂在新进程中重复N次）或交替配对（同一进程内A/B、B/A顺序比较），避免将所有A运行完再运行B。
- 明确声明预热次数并排除，每次测量前强制垃圾回收，报告配对差异的中位数和胜出次数，并披露完整协议。
- 确保测量的是工作树：验证构建系统从工作区路径解析包，并断言源文件和输出路径指向工作区而非包存储。
- 正确性守卫：在测量前断言夹具具有预期属性（如非零差异长度、非空结果集、预期分支被执行）。
- 输出一致性：在每个样本上比较廉价签名（如结果哈希、记录数），并报告其恒定。
- 输入分布匹配：声明夹具抽取的分布（命中率、大小混合、偏斜）并解释其代表真实工作负载。
- 指标选择：当墙钟时间太嘈杂时，选择精确指标如分配计数、操作计数、系统调用计数。
- 随机臂比较：配对种子，报告差异相对于标准误，并在更高N下重新运行以避免小样本偏差。
- 预先声明采纳标准：在测量前明确阈值和无回归条款，并机械应用。
- 门禁策略：定义方向和不确定性策略，区分不确定与通过，缺失必要不确定性视为无效测量，聚合百分比需要分母清单。
- 声明措辞：跨实现结果不是排名，需限定比较范围；列举所有注意事项。
使用方式：该技能提供了一套系统化的协议和检查清单，开发者可在执行基准测试时遵循这些步骤，从建立噪声底限开始，到选择进程拓扑、执行测量、分析结果，最后根据预先声明的标准做出采纳或拒绝决定。对于CI门禁，需明确区分咨询性结果和必需门禁，并保持策略一致性。
适用场景：性能优化前后的对比、CI中的性能门禁、代码审查中的性能声明验证、跨实现性能比较（需谨慎限定）、以及任何需要可靠性能数字的工程决策。
限制：该技能要求严格的测量纪律，可能增加测试时间；噪声底限依赖于具体环境，需定期重新评估；对于墙钟时间等嘈杂指标，可能无法得出显著结论；跨实现比较需注意输出表示差异，不能简单视为排名；小样本结果需谨慎对待。