SuperAPI AI 工具集

auto-performance

通用与其它

查看项目

更新于 10-16 06:15

技能介绍

用途:将模糊的“让代码变快”转化为有纪律、可度量的优化循环,避免无依据的微优化与复杂度堆砌。流程分四个阶段:阶段0先固定度量指标(延迟 p50/p95/p99、吞吐、内存/分配、包体积或 LCP/CLS/INP 等 Web 指标),建立可复现基准并记录含方差的基线,必要时打开可恢复检查点。阶段1用剖析器或对应测量手段(CPU/分配剖析、查询日志、火焰图、包分析器、DevTools 性能追踪)找出真正影响指标的瓶颈,按贡献排序,忽略冷路径,并为每个热点标注疑似类别(算法复杂度、N+1、无谓分配、阻塞 I/O、重复渲染/计算、过大负载)。阶段2每次只优化一个热点:先假设改动与预期效果,做最小改动,再通过“测量”与“回归”双重验证——判断差值是否超出方差、是否等价对比,以及相关测试与边界行为是否仍正确;只有收益真实且正确性保持才接受,否则回退并记录原因,直到达标或剩余收益不值得复杂度。阶段3关闭检查点并报告:基线到最终指标的真实差值、保留的优化及各自测得增益、尝试后回退的项及原因、是否达标或停滞位置。使用中强调:无基线不优化、不优化剖析未标记的热点、不保留破坏正确性的改动、不宣称未测量的提升,并在达标或收益递减时停止。相关参考技能包括 converge-loop、adversarial-verify、checkpoint-resume、auto-test。限制:需先有可复现基准与正确性测试网;具体平台、价格、安装方式暂未提供。