benchmark

benchmark skill 概览

benchmark skill 的作用

benchmark skill 用于在 Web 和应用工作流中检测性能回归。它可以帮助你建立基线、对比变更前后结果，并跟踪某个 PR 是否让页面变慢、变重，或稳定性变差。实际使用中，benchmark skill 最适合回答一个问题：这次改动到底提升了性能，还是拖累了性能？

适合谁使用

如果你关注页面速度、Core Web Vitals、Lighthouse 风格检查、bundle 大小，或者加载时间的长期趋势，就适合用这个 benchmark skill。它很适合评审者、前端工程师，以及需要一套可重复方法来评估性能变化的 AI agents，而不是只凭截图或一次草率的手工测试来猜测。

它为什么不同

benchmark skill 不只是一个泛泛的“跑个测试”的提示词。它围绕前后对比、回归检测和持续趋势感知来设计，并且配套的工作流指导更贴近基于浏览器的性能测量。这让它比那种只会问“有没有速度问题”的一次性提示词，更适合 Performance Optimization。

如何使用 benchmark skill

benchmark 的安装与设置

在 Claude skills 环境中，使用仓库提供的 skill 命令安装 benchmark skill，然后在真实任务中使用前先打开 skill 文件。预期的安装命令是：
npx skills add garrytan/gstack --skill benchmark

安装完成后，确认当前 workspace 中已经可用这个 skill，并且你的任务足够具体，能够被测量。benchmark skill 最适合在测试仓库、目标页面或路由，以及待评估变更都已经明确的情况下使用。

先读什么

先看 SKILL.md，如果你想了解生成后的结构，再检查 SKILL.md.tmpl。因为这个仓库没有为该 skill 暴露额外的 rules/、resources/ 或辅助脚本，所以 skill 文件本身就是主要事实来源。若要做使用决策，最重要的是前言、plan-mode 指导，以及任何会影响 benchmark skill 何时运行的路由或约束说明。

如何写出更好的提示词

弱提示词只会说“检查性能”。更好的 benchmark 使用提示词会明确目标、基线和你需要做出的决策：

• “对比 /pricing 在图片压缩改动前后的表现，并报告 LCP、CLS 和总传输大小是否有回退。”
• “在 mobile emulation 下 benchmark checkout 页面，并告诉我新的 bundle 拆分是否改善了加载时间。”
• “为首页执行 performance benchmark，并总结这个 PR 是否可以安全合并。”

要把页面、设备假设，以及什么算失败都写清楚。这样可以减少歧义，让结果更可执行。

能产出有用结果的工作流

把 benchmark 指南当成一个可重复的闭环：先确定页面，建立基线，运行对比，然后结合你做的改动解读差异。如果你在 plan mode 下工作，要先确认这个 skill 只是负责检查，还是也要执行测量。为了得到更好的输出，尽量缩小测试范围；通常一个关键路由，比全站扫一遍更有价值。

benchmark skill 常见问题

benchmark skill 只适合 Web 性能吗？

它主要面向浏览器可见的性能优化，尤其是页面、路由和前端改动。如果你的任务是后端延迟、基础设施 profiling 或数据库调优，除非目标是用户侧页面指标，否则 benchmark skill 可能不是最优先的选择。

我需要完整提示词吗，还是 skill 自己就够了？

这个 skill 能帮你把工作结构化，但仍然需要一个具体目标。泛化提示词也许能触发 benchmark skill，但当你提供了路由、变更内容和对比点时，benchmark 的使用效果会更好。你的请求越具体，agent 需要自行推断的内容就越少。

benchmark 适合新手吗？

适合，尤其是当你想用一种有引导的方法来检查某次改动是否让性能变差时。它比从零自己搭建评估清单更容易上手，但你仍然需要知道想测量的是哪个页面或功能。

什么时候不该用它？

当你只需要定性的 UI review、页面太不稳定而无法得到有意义的测量结果，或者你的主要问题根本不是性能时，就不要用 benchmark skill。如果你无法定义稳定的前后对比，benchmark 的结果就会很噪。

如何改进 benchmark skill

给 skill 一个可测量的目标

提升效果最大的方式，是明确指定要 benchmark 什么，以及成功长什么样。说清楚哪个 URL、哪类设备和哪个指标最重要。对于 Performance Optimization 来说，这通常意味着只指定一个主要指标，比如 LCP 或 bundle 大小，而不是泛泛地要求“找出所有性能问题”。

把正在测试的改动写进去

当 skill 知道改动内容时，benchmark 才最有价值：是新的图片处理链路、代码拆分重构、字体替换，还是移除了第三方脚本。这个上下文有助于把正常波动和真实回归区分开，也能让输出更值得信任。

直接要求你会据此行动的对比结果

如果你需要的是合并决策，就直接说。如果你还需要修复建议，也要明确说明。实用的后续提示词包括：

• “对比最近一次稳定构建，并标记任何超过 5% 的回退。”
• “先 benchmark 这个分支，然后告诉我如果结果更差，最值得优先修的是什么。”
• “重新在 mobile 和 desktop 上跑一遍检查，但优先看 LCP 最差的路由。”

在第一次结果基础上迭代

如果第一次结果噪声很大，先改输入再重跑：缩小路由范围、去掉无关改动，或者把测试条件定义得更严格一些。benchmark skill 最适合被当作一个用于决策支持的可重复 benchmark skill，而不是一次性就能诊断所有速度问题的万能工具。