用途:针对 Rspack 做性能优化,成功标准是某个精确基准阶段在本机 Docker/Callgrind 下的指令数下降。用户给出目标阶段、阈值、范围与最大轮数后,代理自行循环,直到本地 Valgrind 确认达标且正确性校验通过、遇到真实阻塞或达到轮数上限。默认最多 10 轮。
主要能力与用法:使用技能内的 scripts/run_local_valgrind.sh,先 build-image 构建含固定 Rust 工具链与 Valgrind 的原生镜像,再 prepare 准备基准 fixture。测量时传入 --repo、--fixtures、--bench、--filter、--output;默认重复两次,若同一阶段两次偏差超过 0.5%,用 --repeat 3 取中位数,并保留原始日志与 Callgrind profile。仅以 run-*.instructions 中的指令数为准,指令数越低越好。
环境前提:需先验证 Docker(docker version、docker info、docker run --rm hello-world)。Apple Silicon 上安装官方 arm64 Docker Desktop,建议分配约 16 GiB 内存,否则优化版基准构建可能被 SIGKILL。镜像使用原生平台(Apple Silicon/Arm 为 linux/arm64,x86-64 为 linux/amd64),不得经 QEMU 跨架构运行 Valgrind;不同架构的绝对指令数不可比较。base 与 candidate 必须使用同一镜像、平台、fixture 目录、benchmark target、filter 与环境。
流程:建立干净的优化 checkout,冻结环境并测量不可变 base;每轮修改代码、本地正确性验证(目标测试、lint/check、格式校验,按仓库构建顺序)、独立评审、提交快照后用同一环境测量 candidate,与对比点比较,决定保留或回退(失败尝试用新的回退提交,不 amend/reset),推送并更新固定进度报告。
限制:不使用 CodSpeed CLI、令牌、上传、PR 评论或等待 GitHub Actions;不以 CI 状态判断性能与正确性;每次运行只执行预期 benchmark filter 且须产生非零 instruction_count;缺失阶段、filter 不符、零值或 Valgrind 错误视为无效;除非用户明确接受语义变更,否则保持行为不变。