mcpField
W
workflow-performance

workflow-performance

github.com/nickcrew开发6239 次安装17 周前更新
代码仓库

关于 workflow-performance

workflow-performance 是用于排查和改善应用性能的技能,面向开发与运维团队。它将工作组织为从基线测量到优化、验证、负载测试和监控的流程。

主要功能

  1. 01测量延迟与资源使用基线
  2. 02分析性能并排列瓶颈优先级
  3. 03优化数据库、代码、前端和基础设施
  4. 04按目标验证并进行负载测试
  5. 05设置监控与告警

适用场景

  1. 01调查响应缓慢或资源占用过高
  2. 02按影响和投入确定修复优先级
  3. 03依据性能目标检查改动效果
  4. 04准备负载测试和持续监控

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/nickcrew/claude-cortex --skill workflow-performance

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

附带文件references/optimization-techniques.md

详细介绍

性能优化工作流

系统地查找并修复性能问题的方法。

阶段 1:基线

Agent: performance-engineer

测量当前状态:

  • 响应时间(p50、p95、p99)
  • 内存使用量
  • CPU 利用率
  • 数据库查询耗时
  • 包大小(前端)
  • 渲染性能

输出: 基线指标报告

阶段 2:识别瓶颈

Agent: performance-engineer

分析:

  • 性能分析(CPU、内存)
  • 查询分析(慢查询日志、EXPLAIN)
  • 包分析(webpack-bundle-analyzer)
  • 网络分析(瀑布图、延迟)

输出: 按优先级排序的瓶颈清单

阶段 3:优化规划

Agent: requirements-analyst

  • 根据影响与投入进行优先级排序
  • 定义预期改进
  • 确定实施顺序
  • 设定目标指标

阶段 4:数据库优化

Agent: database-optimizer

任务:

  • 查询优化(重写慢查询)
  • 创建/优化索引
  • 缓存策略(Redis、memcached)
  • 连接池

阶段 5:代码优化

Agent: performance-engineer

重点:

  • 算法效率(O(n) → O(log n))
  • 内存管理(泄漏、分配)
  • 异步操作(并行执行 I/O)
  • 应用级缓存

阶段 6:前端优化

Agent: performance-engineer

任务:

  • 减小包大小
  • 代码拆分
  • 延迟加载
  • 资源优化(图片、字体)
  • 渲染优化(虚拟化、记忆化)

阶段 7:基础设施优化

Agent: devops-architect

领域:

  • 扩展策略(水平/垂直)
  • 缓存层(CDN、反向代理)
  • 负载均衡
  • 资源分配

阶段 8:验证

Agent: performance-engineer

阻塞条件: 必须达到目标

目标:

  • 响应时间:<200ms(p95)
  • 内存使用量:<200MB
  • 包大小:<500KB

阶段 9:负载测试

Agent: performance-engineer

场景:

  • 正常负载(预期流量)
  • 峰值负载(正常负载的 2-3 倍)
  • 压力测试(找出崩溃点)

时长:每个场景 30min

阶段 10:监控设置

Agent: devops-architect

  • 性能仪表板
  • 告警规则(检测性能退化)
  • 自动性能分析(持续进行)

成功标准

  • 达到性能目标
  • 负载测试通过
  • 已部署监控
  • 文档完整

目标

指标目标
响应时间改善50%
内存减少30%
成本降低20%

快速参考

资源参考文件
优化技术skills/workflow-performance/references/optimization-techniques.md

反模式

  • 未先测量就进行优化
  • 在修复算法问题之前进行微优化
  • 优化并非瓶颈的代码
  • 生产环境部署前未进行负载测试

评论

支持 Markdown