performance-optimization
por addyosmaniA skill de performance optimization ajuda você a medir primeiro, encontrar o gargalo real, corrigir e validar os resultados. Use quando houver requisitos de desempenho, quando houver suspeita de regressão ou quando for preciso melhorar Core Web Vitals, tempos de carregamento ou a latência de interação.
Esta skill recebe 84/100, o que indica um bom candidato para o Agent Skills Finder. Quem navega no diretório encontra um fluxo de otimização claramente acionável, sem placeholders, com substância suficiente para sustentar uma decisão real de instalação. Ainda assim, o esperado é uma skill focada em ajuste de performance, e não um toolkit amplo de performance de sistemas.
- As condições de uso são explícitas e cobrem requisitos de desempenho, regressões, Core Web Vitals e resultados de profiling, reduzindo a dúvida sobre quando aplicar a skill.
- O fluxo é concreto e orientado por medição — medir, identificar, corrigir e verificar —, o que dá aos agentes um caminho prático de execução em vez de conselhos genéricos.
- O documento traz metas específicas de Core Web Vitals e uma seção clara de “quando não usar”, o que aumenta o valor de decisão e a confiabilidade.
- As evidências do repositório não mostram arquivos de suporte, scripts ou referências, então os agentes talvez precisem se basear apenas nas orientações em markdown.
- As evidências disponíveis indicam um fluxo de otimização estreito; ele pode ser menos útil para equipes que precisam de padrões de implementação mais profundos, comandos específicos de ferramentas ou playbooks de performance voltados a plataformas.
Visão geral da skill performance-optimization
O que a skill performance-optimization faz
A performance-optimization skill é um fluxo de trabalho orientado por medição para diagnosticar e melhorar a velocidade de apps sem cair em achismo. A função central é simples: ajudar você a medir primeiro, identificar o gargalo real, corrigir esse gargalo e verificar o resultado. Por isso, ela é mais útil do que um prompt genérico de “deixe isso mais rápido” quando você precisa de um trabalho de performance disciplinado, e não de recomendações amplas.
Para quem vale a pena instalar
Esta performance-optimization skill é mais indicada para desenvolvedores, programadores assistidos por IA e lideranças técnicas que trabalham com web apps, frontends, APIs ou funcionalidades com muito volume de dados, onde latência, tempo de carregamento ou Core Web Vitals fazem diferença. Ela se encaixa muito bem se você já tem um sintoma ou requisito concreto: interações lentas, LCP/INP/CLS ruins, bundle grande, regressões após uma mudança ou trechos de código sensíveis a tráfego.
Critérios reais de decisão antes de instalar
Instale performance-optimization se você quer um processo repetível de otimização, não soluções mágicas. O principal diferencial é que a skill alerta explicitamente contra otimização prematura e coloca evidências no centro da análise. Se você quer receitas instantâneas e específicas de framework sem medir nada antes, provavelmente esta skill é disciplinada demais para esse caso de uso. Se você precisa de um método para decidir o que otimizar primeiro, ela é uma boa escolha.
Como usar a skill performance-optimization
Contexto de instalação e por onde começar a leitura
Para usar a performance-optimization skill, adicione a coleção principal de skills no seu ambiente de programação com IA e depois invoque a skill pelo nome em uma tarefa que inclua metas de performance mensuráveis. Comece lendo skills/performance-optimization/SKILL.md; esse caminho no repositório importa porque a skill é autocontida e não inclui scripts auxiliares nem materiais de apoio extras. Na prática, isso significa que a qualidade do resultado depende mais das suas entradas do que de ferramentas ocultas.
Que entrada a skill precisa para funcionar bem
O melhor uso de performance-optimization começa com evidências, não com uma reclamação vaga. Forneça:
- página, rota, recurso ou endpoint afetado
- valores atuais das métricas ou sintomas observados
- como essas medições foram feitas
- detalhes do ambiente: dispositivo, navegador, rede, tamanho do dataset, produção vs local
- mudanças recentes, se você suspeita de regressão
- restrições como “no framework migration” ou “must preserve SEO”
Entrada forte:
Use
performance-optimizationpara nossa página de produto. O LCP mobile está em 4.1s no Chrome, o CLS está em 0.18 e os usuários relatam atraso na renderização do hero em 4G. Recentemente adicionamos um carousel e um widget de reviews de terceiros. Identifique os gargalos mais prováveis, sugira passos de medição, priorize as correções por impacto esperado e diga como verificar a melhora.
Entrada fraca:
Make my site faster.
Como transformar um objetivo vago em um prompt utilizável
Um bom prompt de performance-optimization guide normalmente segue esta estrutura:
- Diga qual é a métrica-alvo ou a reclamação do usuário.
- Informe os números de base.
- Defina o escopo.
- Compartilhe contexto de código ou arquitetura.
- Peça correções priorizadas e passos de verificação.
Exemplo:
Apply the
performance-optimization skillto our React checkout flow. INP is ~320ms on mid-range Android during quantity changes. The page renders a large cart list, coupon validation runs on input, and analytics fire on every interaction. Help me measure the hot path, isolate the interaction bottleneck, propose code-level fixes, and define a before/after verification checklist.
Fluxo de trabalho prático e o que esperar da saída
Na prática, use a skill em quatro passagens: baseline, isolamento do gargalo, desenho da correção e verificação. Peça que ela separe hipóteses de conclusões confirmadas. Se você já analisou o problema com profiling, cole traces, saída do Lighthouse, achados do DevTools ou resumos de flamegraph. Se ainda não mediu, peça primeiro que a skill desenhe o plano de profiling. Este é o principal fator de qualidade na decisão de performance-optimization install: a skill entrega mais valor quando vem acompanhada de medições reais e contexto de repositório, não quando é usada como substituta disso.
FAQ da skill performance-optimization
Ela é melhor do que um prompt comum de “otimizar performance”?
Em geral, sim, se o seu objetivo é tomar decisões com mais confiabilidade. A performance-optimization skill traz um fluxo padrão mais forte: medir, identificar, corrigir e verificar. Prompts comuns costumam pular direto para caching, memoization, lazy loading ou code splitting, independentemente de esses serem ou não os gargalos reais.
Ela serve só para performance web e Core Web Vitals?
Não, mas a skill enfatiza claramente sinais de performance perceptíveis ao usuário e faz referência explícita a metas de Core Web Vitals. O encaixe mais natural é em frontend e page speed, mas o mesmo processo também ajuda com latência de backend, lentidão em processamento de dados ou regressões — desde que você consiga definir o que significa “lento” e medir isso.
Quando você não deve usar performance-optimization?
Não use performance-optimization for Performance Optimization como primeiro passo quando não existe nenhuma evidência de problema. Se não há lentidão, orçamento, SLA nem reclamação de usuário, a própria skill argumenta contra fazer trabalho de otimização. Ela também é uma escolha fraca se você espera automação de benchmarking ou scripts específicos de framework prontos para uso, porque o repositório não fornece esses recursos de apoio.
Como melhorar a skill performance-optimization
Dê evidências mais precisas, não pedidos mais amplos
A forma mais rápida de melhorar a qualidade da saída de performance-optimization é fornecer um escopo mais estreito e métricas mais claras. “Página de checkout no mobile, LCP 3.8s, provável problema de imagem e fonte” vai render muito melhor do que “o app inteiro está lento”. Inclua screenshots, notas de profiler, relatórios de bundle, waterfalls de requisições ou commits recentes sempre que possível. A skill consegue raciocinar muito melhor quando trabalha com fatos observáveis.
Fique atento aos modos de falha mais comuns
O maior modo de falha é pedir correções antes de confirmar qual é o gargalo. Outro erro frequente é misturar muitos sintomas no mesmo pedido: lentidão no startup, atraso nas interações e latência de API normalmente exigem investigações diferentes. Também evite pedir “todas as otimizações possíveis”. Isso tende a gerar listas genéricas em vez de ação priorizada. Peça correções ranqueadas por impacto esperado, custo de implementação e método de verificação.
Itere depois da primeira resposta
Depois da primeira rodada, volte com resultados: “Adiamos o carregamento do script do widget e o LCP melhorou de 4.1s para 3.2s, mas o INP não mudou.” Isso permite que a performance-optimization skill saia da teoria e entre em uma iteração guiada. O melhor fluxo é cíclico: baseline, mudar uma variável relevante, medir de novo e então pedir a próxima melhoria de maior impacto, em vez de aplicar dez correções especulativas de uma vez.