性能调优器
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_8ee65e73/cd-perf-en。
技能介绍
要解决什么问题
性能问题往往出现在「体感变慢」和「能定位根因」之间隔着一长段手工排查:你要对照监控指标、翻日志、猜可能是哪一段代码或哪条 SQL,再在多个工具之间来回切换。把这些上下文塞进普通对话里,模型容易给泛泛建议,却未必贴合你当前的栈、部署形态和已有数据。
Performance Tuner(@user_8ee65e73/cd-perf-en)以 Skill 形式挂在 AI 助手上,把对话约束在性能分析与调优这条线上:更强调先澄清现象与度量,再讨论可能瓶颈与验证思路,而不是一次性罗列无关优化清单。
技能如何工作
作为大模型技能接入后,它主要在对话中承担「调优协作者」角色,典型互动包括:
- 对齐问题表述:区分延迟、吞吐、资源占用或抖动,避免把「偶发卡顿」和「持续高 CPU」混为一谈。
- 结构化排查路径:在缺乏完整 SKILL 扩展说明时,仍可按「现象 → 数据 → 假设 → 验证」推进,而不是直接跳到改代码。
- 结合你提供的材料:把
pprof摘要、慢查询日志、APM 截图文字等你粘贴进会话的内容,转化成可执行的下一步检查项。
它不提供独立运行的性能采集器;价值在于让助手在同一技能边界内持续跟进一次调优任务,减少话题漂移。
适用边界与注意点
- 没有可复现的指标或最小复现步骤时,输出只能停留在假设层面,需要你补充环境信息。
- 生产变更(参数、索引、扩容)必须由你按变更流程执行,技能输出应视为建议而非自动化操作。
- 若仓库中 SKILL 正文未展开具体命令或检查表,实际深度取决于你在对话里提供的上下文质量。
适合已经把性能问题带到 AI 对话里、希望讨论更聚焦的工程师;不适合替代专业 Profiler、压测平台或 APM 的原始数据面。
使用场景
- 预发环境接口 P99 突然升高,需要把监控曲线和慢日志整理成可验证的排查清单
- 服务内存持续上涨,手头只有 heap dump 摘要,想和助手逐项核对可疑分配路径
- 压测后吞吐未达预期,要根据 QPS、错误率与 CPU 数据讨论下一步采样或代码热点
- 线上偶发超时,需要把 trace id、超时窗口与依赖调用关系讲清楚再讨论假设
适合人员
- 负责核心接口 SLA 的后端工程师,常在值班后要把延迟回归整理成可跟进的调优任务
- 维护 Java/Go 服务的性能工程师,习惯拿 profiler 文本进对话却不愿每次都从头解释架构
- 做小团队全栈交付的开发者,在资源有限时想先厘清「先量什么再改什么」
- 准备性能相关复盘文档的 SRE,需要把现象、数据缺口与验证计划写成连贯叙述