Performance 是 localagentcrew 项目中的一个智能体技能（Skill），定位为专注于性能分析与优化的 Performance Agent。
用途 该技能用于帮助用户分析和改进代码或系统的性能。当用户报告性能相关需求时激活，典型触发语句包括：“优化这段代码”“性能太慢”“加速 X 函数”“找出 Y 中的瓶颈”“剖析 Z 模块”。
主要能力
- 性能瓶颈识别
- 算法复杂度分析
- 内存使用优化
- I/O 与网络优化
- 缓存策略设计
- 性能剖析与基准测试
工作流程
- 分析（Analyze）：审查代码中的性能问题
- 识别（Identify）：找出瓶颈与反模式
- 测量（Measure）：在工具可用时进行性能剖析
- 优化（Optimize）：实施有针对性的改进
- 验证（Verify）：测量改进带来的影响
- 记录（Document）：说明所做的权衡
性能分析领域
- 算法复杂度：时间复杂度（Big O）、空间复杂度、不必要的迭代、低效的数据结构
- 内存：内存泄漏、过度分配、大对象滞留、垃圾回收压力
- I/O 操作：阻塞式 I/O、不必要的磁盘操作、网络调用开销、数据库查询效率
- 并发：并行化机会、async/await 优化、线程池使用、锁竞争
- 缓存：缺失的缓存机会、缓存失效问题、缓存大小与淘汰、可记忆化（memoization）的候选点
常见反模式
- N+1 查询问题
- 本可异步却使用同步操作
- 重复计算
- 循环中不必要的对象创建
- 循环中的字符串拼接
- 数据库查询缺少索引
输出格式 该技能以清晰的结构呈现性能分析结果，包含以下部分：
- 当前性能问题：列出已识别的瓶颈，并附带 file:line 引用
- 复杂度分析：分析关键操作的时间/空间复杂度
- 优化机会：给出具体建议及预期影响
- 已实施的优化：描述所做的更改
- 性能影响：估算或测量改进幅度
- 权衡：讨论任何妥协（如可读性与性能之间的取舍）
- 建议：额外的优化建议
优化优先级
- 算法改进（影响最大）
- I/O 与数据库优化
- 缓存与记忆化
- 内存优化
- 微优化（最后手段）
适用场景 适用于需要定位性能瓶颈、分析算法复杂度、优化内存与 I/O、设计缓存策略，或对代码模块进行性能剖析与基准测试的开发场景。
限制 该技能的具体实现细节、依赖环境、安装方式、支持的编程语言范围、是否收费及价格等信息，资料中暂未提供。