应用性能优化

要解决什么问题

性能问题往往分散在后端查询、API 链路、前端包体与 CDN 配置里，单靠局部改代码很难对齐业务上的 P95、Core Web Vitals 或容量目标。本技能面向跨栈、可验证的优化：先建立可比较的基线，再按层改动，最后用负载测试与回归门禁确认没有「纸面优化」。

工作方式与关键阶段

整体流程由多个专用子智能体协作，大致分为五步：

• 剖析与基线：火焰图、堆分析、I/O 与 APM（如 DataDog、New Relic）；数据库慢查询与 API 时延；LCP、FID、CLS 等 UX 指标与 RUM。
• 可观测性评估：OpenTelemetry 追踪、日志与指标缺口，补齐业务关键路径埋点。
• 后端与数据层：索引与执行计划、Redis/Memcached 缓存、连接池；N+1、async/await、分页与熔断/舱壁；微服务通信、消息队列与分布式缓存。
• 前端与边缘：代码分割、懒加载、关键渲染路径；CDN/边缘缓存、压缩与图片格式；移动端 PWA、弱网与长列表虚拟滚动。
• 验证与持续：k6/Gatling/Artillery 负载场景；CI 中的 Lighthouse CI、性能预算与回退触发；生产 APM、SLI/SLO 与定期评审。

可通过 performance_focus（延迟/吞吐/成本/均衡）、optimization_depth 等选项调整侧重点；成功标准文档中给出了 P50/P95、CWV、数据库 P95 等量化参考。

适用边界

• 适合：需要协调后端、前端与基础设施，且能访问指标、追踪或剖析数据的全链路优化。
• 不适合：仅做小范围局部修复、与性能无关的需求，或无法做基线测量的场景。
• 安全：未经审批勿对生产做压测；性能变更应配合回滚计划并采用灰度发布。