/dev-optimization
性能优化子类型规范 — 基准测试前置 + autocannon 压测集成
$ npx -y skills add devcodex-labs/devcodex --skill dev-optimization --agent claude-codeHow it fires
How this skill gets triggered: by you, by Claude, or both.
- Fires itselfAuto-invocation. Claude auto-loads it when your prompt matches the work.Auto-invocation is when the right skill fires by itself at the right moment, driven by a FLOW.md router and a hook, instead of you invoking it by name. It is the difference between a skill being installed and a skill actually getting used.Read the full definition →
- You can call itInvoke it directly when you want it.
- Slash command
/dev-optimization
Context preview
The summary Claude sees to decide when to auto-load this skill.
性能优化子类型规范 — 基准测试前置 + autocannon 压测集成
SKILL.md
dev-optimization.SKILL.mdname: dev-optimization
description: 性能优化子类型规范 — 基准测试前置 + autocannon 压测集成
Dev Optimization Skill
触发条件
用户要求性能优化、吞吐量提升、响应时间降低、内存/CPU 优化。
前置条件(必须满足)
| 项 | 要求 | |----|------| | api-verification 已通过 | 优化前接口测试基线已建立(`.http` + `.cjs` 产物存在) | | 基准数据 | 优化前已有性能指标(QPS/P99/内存)作为对比基线 | | 测试环境 | 压测在隔离环境执行,不影响生产 | | ServiceLifecycleCleanup | 若 AI 启动压测 target、dev server、本地 API/mock、数据库代理或 SSH 隧道,必须记录 PID/job/端口并在验证完成后主动关闭 | | AdapterBenchmarkAttribution | adapter、provider、connector、SDK 或性能 benchmark 必须记录基线、环境、版本、负载、归因边界和不可比较因素 |
工具规范
**默认候选工具**:`autocannon`。解析顺序固定为项目既有压测脚本 → 项目已安装的本地依赖 → 经用户确认的隔离临时工具;缺失时先报告替代方案。`npm i -g autocannon` 或任何全局安装会修改用户环境,必须单独说明目标、影响、恢复方式并取得当前明确授权,不能由 optimization 路由、Auto、Profile 或工具缺失隐式授权。
# 基线测量
npx --no-install autocannon -c 100 -d 30 -j http://localhost:3000/api/target > baseline.json
# 优化后对比
npx --no-install autocannon -c 100 -d 30 -j http://localhost:3000/api/target > optimized.json
npx --no-install autocannon-compare baseline.json optimized.json
CP 流程
- **CP1**:确认优化目标(指标 + 目标值)+ 当前基线数据
- **CP2**:确认优化方案(无 Breaking Changes,或 BC 已评估) → `dev-plan-review`(PR-1 已自检,PR-2~PR-7 详细验证)→ CP3
- **CP3**:确认任务拆分、执行顺序、依赖、验证方式、ServiceLifecycleCleanup 与回滚策略;`05-实施进度.md` 对小任务不是默认产物,但跨多轮/多阶段、阻塞、用户要求持续跟踪、多批次、预计修改 ≥10 文件、控制面或模板-校验链任务必须启用
产出物
- 基准测试报告(优化前后对比)
- `reports/optimizations/` 开发报告(含性能指标对比表)
关键规则
- 🔴 禁止无基线数据的"盲优化"
- 优化不改变外部接口行为(否则走 dev-default 流程)
- 启动性能优化或 dev 日志治理必须执行 `StartupPhaseTrace`:先把启动日志按阶段归类,并与 Profile / startup summary 使用同一套阶段命名,再决定减噪、lazy loading 或 background warmup;不得只隐藏扁平日志后宣告优化完成
- adapter、provider、connector、SDK 或框架适配 benchmark 必须执行 `AdapterBenchmarkAttribution`;不得把网络、缓存预热、依赖树、框架版本、测试环境或压测工具差异误归因给业务代码
Read more
name: dev-optimization description: 性能优化子类型规范 — 基准测试前置 + autocannon 压测集成
Dev Optimization Skill
触发条件
用户要求性能优化、吞吐量提升、响应时间降低、内存/CPU 优化。
前置条件(必须满足)
| 项 | 要求 | |----|------| | api-verification 已通过 | 优化前接口测试基线已建立(`.http` + `.cjs` 产物存在) | | 基准数据 | 优化前已有性能指标(QPS/P99/内存)作为对比基线 | | 测试环境 | 压测在隔离环境执行,不影响生产 | | ServiceLifecycleCleanup | 若 AI 启动压测 target、dev server、本地 API/mock、数据库代理或 SSH 隧道,必须记录 PID/job/端口并在验证完成后主动关闭 | | AdapterBenchmarkAttribution | adapter、provider、connector、SDK 或性能 benchmark 必须记录基线、环境、版本、负载、归因边界和不可比较因素 |
工具规范
**默认候选工具**:`autocannon`。解析顺序固定为项目既有压测脚本 → 项目已安装的本地依赖 → 经用户确认的隔离临时工具;缺失时先报告替代方案。`npm i -g autocannon` 或任何全局安装会修改用户环境,必须单独说明目标、影响、恢复方式并取得当前明确授权,不能由 optimization 路由、Auto、Profile 或工具缺失隐式授权。
# 基线测量 npx --no-install autocannon -c 100 -d 30 -j http://localhost:3000/api/target > baseline.json # 优化后对比 npx --no-install autocannon -c 100 -d 30 -j http://localhost:3000/api/target > optimized.json npx --no-install autocannon-compare baseline.json optimized.json
CP 流程
- **CP1**:确认优化目标(指标 + 目标值)+ 当前基线数据
- **CP2**:确认优化方案(无 Breaking Changes,或 BC 已评估) → `dev-plan-review`(PR-1 已自检,PR-2~PR-7 详细验证)→ CP3
- **CP3**:确认任务拆分、执行顺序、依赖、验证方式、ServiceLifecycleCleanup 与回滚策略;`05-实施进度.md` 对小任务不是默认产物,但跨多轮/多阶段、阻塞、用户要求持续跟踪、多批次、预计修改 ≥10 文件、控制面或模板-校验链任务必须启用
产出物
- 基准测试报告(优化前后对比)
- `reports/optimizations/` 开发报告(含性能指标对比表)
关键规则
- 🔴 禁止无基线数据的"盲优化"
- 优化不改变外部接口行为(否则走 dev-default 流程)
- 启动性能优化或 dev 日志治理必须执行 `StartupPhaseTrace`:先把启动日志按阶段归类,并与 Profile / startup summary 使用同一套阶段命名,再决定减噪、lazy loading 或 background warmup;不得只隐藏扁平日志后宣告优化完成
- adapter、provider、connector、SDK 或框架适配 benchmark 必须执行 `AdapterBenchmarkAttribution`;不得把网络、缓存预热、依赖树、框架版本、测试环境或压测工具差异误归因给业务代码
Intent-driven AI coding workflow runtime for consistent context, skills, approvals, validation, and handoffs across six AI coding hosts.
Repo: devcodex-labs/devcodex
Other skills on devcodex.
ai-agent-system-archit…
AI Agent 系统架构专家 Owner — 当任务涉及 Agent 路由、工具调用、上下文管理、记忆、状态机、权限、人机协作、可观测性、回放验证或模型辅助治理时使用;要求把…
ai-evaluation-engineer…
AI 评测工程专家 Owner — 当任务涉及模型/Prompt 评测、模型选择、黄金集、评分量表、LLM-as-judge、Judge…

