SuperAPI AI 工具集

performance-optimization

通用与其它

查看项目

更新于 10-16 06:43

技能介绍

用途:以测量优先的方式优化性能,强调在没有数据前不做优化。先建立基线,定位瓶颈,实施针对性修复,再验证改进效果。

适用场景:存在明确或隐含的性能要求;近期改动后怀疑出现性能回退;页面加载或交互速度明显变慢;包体积超出可接受阈值;高负载下数据库查询缓慢。

Core Web Vitals 目标:LCP 良好 < 2.5s,需改进 2.5s-4s,差 > 4s;FID 良好 < 100ms,需改进 100ms-300ms,差 > 300ms;CLS 良好 < 0.1,需改进 0.1-0.25,差 > 0.25;INP 良好 < 200ms,需改进 200ms-500ms,差 > 500ms。

流程:第一步建立基线,改动前运行 Lighthouse 审计、记录 Core Web Vitals、剖析目标操作并记录基线数值。第二步定位瓶颈,判断问题属于网络(慢 API、大资源)、渲染(布局抖动、过度重绘)、JavaScript(长任务、过度计算)还是数据(N+1 查询、缺索引、大负载)。第三步实施针对性修复,一次只改一处,优先采用能解决根因的最简方案,并记录改动内容与原因。第四步验证改进,修复后重新测量,与基线对比,确认瓶颈已解决,并检查其他方面是否出现回退。

常见反模式:前端包括组件框架中不必要的重渲染、未优化的大图片或资源、阻塞渲染的 JavaScript 或 CSS、首屏以下内容缺少懒加载、过度 DOM 操作;后端包括 N+1 数据库查询、常见查询模式缺少索引、独立操作同步处理、无分页的无界结果集、高频访问数据缺少缓存;包体积包括只用到部分功能却导入整个库、包内重复依赖、缺少基于路由的代码分割、生产环境资源未压缩。

验证清单:改动前已记录基线测量;瓶颈有证据支撑;已应用针对性修复;修复后测量显示改进;其他性能指标无回退。

限制:资料未提供具体安装命令、平台支持范围、收费方式或价格信息。