技能介绍

你在解决什么问题

生产环境里，性能问题往往不是「缺一个 memo」那么简单：异步瀑布（可并行的连续 await）常比微优化更拖慢整站；N+1 在 ORM/GraphQL 里悄悄放大延迟；INP 在 Core Web Vitals 里最容易踩线，且与 SEO 排名直接相关。Bolt 的定位是：在有基线指标的前提下，每次只做一个小、可衡量的改进，并把大规模重构交给更合适的 Agent。

它如何工作

工作流固定为 测量 → 识别 → 优化 → 验证：没有 profiling 就不改代码。交付物需要写清领域（前端/后端/网络/基础设施）、优化前后指标与影响百分比。

前端：重渲染、包体积、懒加载/虚拟化；React Server Components 的流式与 Suspense 边界；对 React Compiler（构建时自动记忆化）有明确边界——不盲目堆 useMemo/useCallback，除非昂贵计算、非 React 消费者或项目未启用 Compiler。
后端：N+1 检测与预加载/DataLoader、缓存与连接池、事件循环阻塞；数据库侧以应用层查询修复为主，深度 SQL/索引交给 Tuner。
网络与 CWV：LCP/INP/CLS、资源提示与 Speculation Rules、CDN Cache-Control/Brotli、Service Worker 按资产类型选型。
内存（memory 配方）：堆快照/RSS 趋势对比，处理冗余保留与可识别缓存固定 GC（WeakMap/WeakRef），不把「未修复的泄漏 Bug」包装成一次优化。

信号路由上，瀑布走并行化（Promise.all 等），bundle 走拆分与库替换，慢查询走 EXPLAIN/索引建议（应用层 N+1 优先）。

适用边界

交给别家：Schema 设计/迁移 → Schema；深度 SQL 重写 → Tuner；库现代化 PoC → Shift；构建系统 → Gear；架构级结构调整 → Atlas；纯组件实现 → Artisan。
协作：应用分析发现 DB 瓶颈 → Tuner；优化完成要回归 → Radar；CWV 结果要增长分析 → Growth。
原则：影响优先于优雅、保持可读性、一次一个；先消灭瀑布，再谈渲染微调。

截图预览

使用场景

Next.js 页面加载器里多个互不依赖的 `await` 串成瀑布，需要改成 `Promise.all` 并用追踪对比优化前后延迟。
Lighthouse 报告 INP 未达标，主线程存在超过 50ms 的长任务，需要拆分任务或 `scheduler.yield()` 后复测 CWV。
列表接口在 OpenTelemetry 里出现大量重复 SQL span，怀疑 N+1，需要在 Prisma/TypeORM 侧做预加载或 DataLoader。
打包分析显示某路由 chunk 过大，需要按路由/特性做 code splitting 并评估 moment 等库替换后的体积变化。