‹ 首页

perf-profile

@pixel-cellar · 收录于 5 天前 · 上游提交 4 个月前

结构化的性能分析工作流。识别瓶颈、与性能预算对比测量,并生成带有优先级排序的优化建议。

适合你,如果正在排查应用性能问题或做上线前性能评估

/ 通过 npx 安装 校验哈希
npx oh-my-skill add pixel-cellar/claude-code-game-studios/perf-profile
/ 通过 bash 安装
curl -fsSL https://oh-my-skill.com/install.sh | bash -s -- pixel-cellar/claude-code-game-studios/perf-profile
/ 已经装过?验证本机副本,不用重装
npx oh-my-skill verify pixel-cellar/claude-code-game-studios/perf-profile
安装目标可用 --agent / --scope 或 --to 明确指定;省略时只会在唯一已存在的 agent 目录上自动选择,零命中或多命中会停止并提示。content_hash 缺失或不一致均拒装。
273GitHub stars
~1.1K上下文体积 · 单文件
索引托管

怎么用

商店整理自技能原文 · 版本 2c016ef · 表述以原文为准
它做什么

当用户激活该技能时,Claude 会分析代码中的性能瓶颈(如 CPU、内存、渲染、I/O),与预设性能预算对比,并输出一份带优先级排序的优化建议报告。

什么时候触发

用户主动要求对某个系统或整个项目进行性能分析时触发。

装好后可以这样说
Claude 将深入分析指定系统的代码
Claude 会对所有系统进行全面审查
Claude 会针对该模块生成预算对比表
技能原文 SKILL.md作者撰写 · MIT · 2c016ef

当此技能被调用时:

  1. 确定范围根据参数:
  2. 如果是系统名称:专注于该特定系统的分析
  3. 如果是 full:对所有系统进行全面分析
  1. 读取性能预算 — 检查设计文档或 CLAUDE.md 中是否有现有性能目标:
  2. 目标 FPS(例如 60fps = 16.67ms 帧预算)
  3. 内存预算(总量和按系统)
  4. 加载时间目标
  5. Draw Call 预算
  6. 网络带宽限制(如果是多人游戏)
  1. 分析代码库中的常见性能问题:

CPU 分析目标

  • _process() / Update() / Tick() 函数 — 列出所有并估算开销
  • 大集合上的嵌套循环
  • 热路径中的字符串操作
  • 每帧代码中的分配模式
  • 未优化的游戏实体搜索/排序
  • 每帧执行的昂贵物理查询(射线检测、重叠检测)

内存分析目标

  • 大型数据结构及其增长模式
  • 纹理/资源内存占用估算
  • 对象池 vs 实例化/销毁模式
  • 泄漏的引用(应该释放但未释放的对象)
  • 缓存大小和淘汰策略

渲染目标(如适用):

  • Draw Call 估算
  • 重叠透明物体导致的过度绘制
  • 着色器 (Shader) 复杂度
  • 未优化的粒子系统
  • 缺失 LOD (Level of Detail) 或遮挡剔除 (Occlusion Culling)

I/O 目标

  • 存档/读档性能
  • 资源加载模式(同步 vs 异步)
  • 网络消息频率和大小
  1. 生成性能分析报告

```markdown ## 性能分析:[系统或全面] 生成日期:[日期]

### 性能预算 | 指标 | 预算 | 估算当前值 | 状态 | |------|------|-----------|------| | 帧时间 | [16.67ms] | [估算值] | [正常/警告/超标] | | 内存 | [目标] | [估算值] | [正常/警告/超标] | | 加载时间 | [目标] | [估算值] | [正常/警告/超标] | | Draw Call | [目标] | [估算值] | [正常/警告/超标] |

### 发现的热点 | # | 位置 | 问题 | 预估影响 | 修复工作量 | |---|------|------|---------|-----------| | 1 | [文件:行号] | [描述] | [高/中/低] | [小/中/大] | | 2 | [文件:行号] | [描述] | [高/中/低] | [小/中/大] |

### 优化建议(按优先级排序)

  1. [标题] — [优化描述]
  2. 位置:[文件:行号]
  3. 预期收益:[估算值]
  4. 风险:[低/中/高]
  5. 方案:[实现方式]

### 快速见效(每个不到 1 小时)

  • [简单优化 1]
  • [简单优化 2]

### 需要进一步调查

  • [需要实际运行时分析来确定影响的领域] ```
  1. 输出报告并附带摘要:前 3 个热点、相对于预算的估算余量,以及建议的下一步行动。
规则
  • 不要先测量就优化 — 对性能的直觉是不可靠的
  • 建议必须包含预估影响 — "让它更快"不具有可操作性
  • 在目标硬件上进行分析,而不仅仅是开发机器
  • 区分 CPU 瓶颈、GPU 瓶颈和 I/O 瓶颈
  • 考虑最坏情况(最大实体数、最低配置硬件、最差网络条件)
  • 静态分析(本技能)识别候选;运行时分析确认
按 MIT 许可原样转载,未经改动 · 在 GitHub 查看 →

评论

登录即可评论;带「已验证安装」的,是发布者名下有本店的安装或持有记录。