SuperAPI AI 工具集

performance-profiling

通用与其它

查看项目

更新于 10-15 23:24

技能介绍

用途:该技能聚焦性能剖析原则,按「测量—分析—优化」的顺序进行,避免凭猜测改动。资料提供自动化脚本 scripts/lighthouse_audit.py,用法为:python scripts/lighthouse_audit.py https://example.com。

主要能力:Core Web Vitals 目标参考,LCP 良好 < 2.5s、较差 > 4.0s,衡量加载;INP 良好 < 200ms、较差 > 500ms,衡量交互;CLS 良好 < 0.1、较差 > 0.25,衡量稳定性。测量时机:开发阶段用本地 Lighthouse,CI/CD 用 Lighthouse CI,生产环境用 RUM 真实用户监控。

剖析流程为四步:确立基线、定位瓶颈、针对性修改、验证效果。工具选择:页面加载用 Lighthouse,打包体积用打包分析器,运行时与网络用 DevTools。

打包分析关注大依赖、重复代码、未使用代码、缺少拆分;对应动作是只导入具体模块、去重并升级版本、路由级代码拆分、tree shake。运行时分析中,长任务超过 50ms 表示 UI 阻塞,大量小任务可能存在批处理机会,布局与绘制属于渲染瓶颈;内存方面堆持续增长可能是泄漏,需检查引用与未清理的分离 DOM。

常见瓶颈按症状判断:首屏慢多为大体积 JS 或阻塞渲染;交互慢来自沉重事件处理;滚动卡顿是布局抖动;内存增长是泄漏或引用残留。快速见效的优先级为启用压缩、图片懒加载、路由拆分、静态资源缓存、图片优化。反模式是猜测问题、过度微优化、过早优化、忽视真实用户数据;应先用剖析结果、解决最大瓶颈、按需优化并参考 RUM 数据。

限制:资料未提供具体框架、平台、价格或收费信息;实际数值与工具选择需结合项目情况自行验证。