Optimization Mastery 是一个以“性能优先”为核心的跨领域优化技能,其理念是效率即最高质量,追求最小开销与最大影响。该技能将优化划分为前端、后端与 AI 资源三个协议,并附带一个认知审计循环。
一、用途 该技能用于在开发与 AI 辅助编码过程中强制执行性能标准,避免 AI 生成代码常见的性能盲区,尤其是交互到下一次绘制(INP)瓶颈。它适用于需要同时关注前端交互流畅度、后端查询速度以及 AI 调用成本的工程场景。
二、主要能力
- 前端精度(INP 与打包):核心指标 INP 必须低于 200ms;对用户事件触发的复杂 DOM 或状态更新,必须使用 scheduler.yield() 或 requestAnimationFrame 让出主线程;禁止可能造成布局抖动或超过 200ms INP 阈值的实现;强制使用部分水合或可恢复性方案(如 Qwik/Astro 模式),禁止对静态内容进行大规模全量水合;图片必须使用 AVIF/WebP 等现代格式并配合 srcset;字体仅使用 wght 可变字体并做子集化。
- 后端速度(查询与数据):高插入表的所有主键必须使用 UUIDv7,理由是时间可排序 ID 可防止 B 树碎片并提升约 30% 插入速度;OLTP 查询最大延迟为亚 100ms;关键读路径的每个索引都必须是覆盖索引;将逻辑卸载到边缘函数(Vercel/Cloudflare)以降低首字节时间(TTFB)。
- AI Token 管理(资源运营):通过上下文折叠(总结历史)尽量将提示控制在 4k token 以内;为复杂工具调用阶段分配 Token 预算;对重复的 LLM 查询实施语义缓存。
三、使用方式 该技能以协议和强制规则的形式给出,可在开发或 AI 编码流程中作为检查标准使用。其认知审计循环要求逐项确认:INP 是否低于 200ms、主键是否为 UUIDv7、水合是否为部分或可恢复、本次请求的 Token 预算是否合理。
四、适用场景 适用于对交互流畅度、后端查询延迟和 AI 调用成本有明确要求的 Web 应用与 AI 辅助开发项目,尤其是需要跨前端、后端与 AI 资源统一优化标准的团队。
五、限制 资料未提供该技能的具体安装方式、依赖环境、平台支持范围、收费模式或实际效果数据,这些信息暂未提供。