mcpField
P
python-performance-optimization

python-performance-optimization

github.com/sickn33开发49.1k368 次安装今天更新
代码仓库

关于 python-performance-optimization

用于分析和改善 Python 应用性能的指导技能，涵盖 CPU、内存、数据库与 I/O，并强调测量方法和环境验证。

主要功能

  1. 01CPU 分析与瓶颈定位
  2. 02内存用量与泄漏排查
  3. 03数据库与 I/O 优化
  4. 04算法和处理流水线改进
  5. 05测量与验证指导

适用场景

  1. 01定位 Python 应用的延迟瓶颈
  2. 02降低内存消耗或排查泄漏
  3. 03改善数据库查询或 I/O 性能
  4. 04评估数据处理和 CPU 密集型代码

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/sickn33/agentic-awesome-skills --skill python-performance-optimization

安装后在 Claude Code 中输入/python-performance-optimization确认已加载。

附带文件resources/implementation-playbook.md

详细介绍

Python 性能优化

关于如何分析、检查和优化 Python 代码以提升性能的综合指南，涵盖 CPU 性能分析、内存优化和实现最佳实践。

在以下情况使用此技能

  • 识别 Python 应用中的性能瓶颈
  • 降低应用延迟和响应时间
  • 优化 CPU 密集型操作
  • 减少内存占用和内存泄漏
  • 提升数据库查询性能
  • 优化 I/O 操作
  • 加快数据处理流水线
  • 实现高性能算法
  • 对生产环境中的应用进行性能分析

在以下情况不要使用此技能

  • 任务与 Python 性能优化无关
  • 需要使用此范围之外的其他领域知识或工具

说明

  • 明确目标、约束和所需输入。
  • 应用相关最佳实践并验证结果。
  • 提供可执行的步骤和验证方法。
  • 如需详细示例，请打开 resources/implementation-playbook.md。

资源

  • resources/implementation-playbook.md，包含详细模式和示例。

限制

  • 仅当任务明确符合上述范围时，才使用此技能。
  • 不要将输出视为针对特定环境进行验证、测试或专家审查的替代品。
  • 如果缺少必要输入、权限、安全边界或成功标准，请暂停并请求澄清。

测量与运行限制

该操作手册包含独立演示，而非经过验证的基准测试套件。此技能未确立任何耗时或加速效果。请使用有代表性的输入、相同的工作量、多次运行，并记录解释器和平台版本。斐波那契对比将 1 次未缓存调用与 1,000 次大多已预热的调用进行比较；请按每次调用进行归一化，并分别报告冷启动和预热状态。lru_cache(maxsize=None) 会无限保留条目；对于会变化或敏感的数据，请选择适当的淘汰和失效策略。

sys.getsizeof 只会浅层测量对象大小：常规实例还拥有一个 __dict__，并引用共享值或单独分配的值。打印出的对象大小乘积并不代表进程总内存，也不能与 slots 进行公平、完整的比较。请使用 tracemalloc 或适当的进程分析器测量有代表性的内存分配。

仅使用获批的测试端点和可丢弃数据库；查询示例以只读方式打开现有数据库，并要求其具备所示架构。对生产环境进行性能分析需要获得授权并限制数据采集范围：分析数据可能暴露代码路径、参数或其他敏感进程数据。请将产物私密存储。此处未执行或进行性能测试的示例。

评论

支持 Markdown