optimize
作者 pbakausoptimize 技能用于诊断并修复 UI 性能问题,涵盖加载速度、渲染、动画、图片和包体积。适合在你需要一份结构化的 optimize 指南时使用,尤其是面对加载慢、卡顿、掉帧或观感不顺滑的网页体验时,可采用先测量、后排查的方式进行性能优化。
该技能得分为 68/100,说明它达到了收录标准,属于一份实用但相对通用的优化指南。目录用户可以获得清晰的触发场景、覆盖面较广的性能检查清单,以及可操作的优化方向;但也应预期需要自己补充工具、诊断流程和具体实施细节。
- 触发场景明确:描述能清楚对应用户常见诉求,如 UI 缓慢、卡顿、掉帧、包体积过大和加载时间问题。
- 结构上具有较强的实操价值:它引导代理先做测量,再定位瓶颈,随后逐项处理加载、渲染、动画、图片和包体积优化。
- 包含具体做法和示例,例如 Core Web Vitals 指标目标,以及 `srcset`、lazy loading 和现代图片格式等优化模式。
- 没有提供支持文件、脚本或引用工具,因此执行仍然依赖代理自行设计具体的测量与修复流程。
- 内容偏宽泛,更像检查清单而不是面向某个仓库的专用指导,这会限制其作用力,相比精心设计的通用性能提示也不占优势。
optimize 技能概览
optimize 能做什么
optimize 技能用于诊断和修复 UI 性能问题:首屏加载慢、bundle 过大、交互卡顿、图片交付不佳、布局偏移,以及动画抖动。当你需要的是用于 Performance Optimization 的 optimize 技能,而不是泛泛的“把它变快一点”的建议时,它尤其合适。
适合谁使用
如果你确实遇到了性能投诉、可测量的变慢,或者用户能明显感知到的 UX 问题,就应该用 optimize。它特别适合前端工程师、全栈开发者,以及在 web app、设计系统或营销站点上工作的 AI 辅助编码者。
它为什么有用
optimize 指南的核心价值在于:它会先让你测量,再去优先处理真正的瓶颈。这样可以避免在根因其实是渲染阻塞、昂贵的 JS,或者糟糕的加载策略时,还一味地去削 bundle、调图片。
如何使用 optimize 技能
安装 optimize 技能
先走项目本身的技能安装流程,然后把技能指向你想改进的目标 app、页面、路由或组件。对于 optimize install,要明确写出那个“感觉慢”的产品部分,以及它慢发生在哪种环境里。
给 optimize 一个性能目标
最好的 optimize usage 从具体目标开始,而不是模糊需求。好的输入包括:
- “优化首页 Hero,让移动端 LCP 更快”
- “找出这个 dashboard 表格最主要的卡顿来源”
- “在不改变可见行为的前提下减小 bundle 体积”
- “提升面板切换时的动画流畅度”
先读对的部分
先看 SKILL.md,再检查控制慢路径的应用代码:页面入口、数据获取、图片使用、重组件、route loaders,以及构建输出。如果仓库里有性能脚本、Lighthouse 说明或 bundle 报告,先读这些,再改代码。
用“先测量,再修复”的循环工作
一套高质量的 optimize guide 通常遵循这个顺序:先定位瓶颈,再选择能直接解决它的最小改动,接着验证修改,最后对比前后结果。只要能拿到指标或 trace,就应该去问清楚,因为那种“感觉更快了”但并没有改善已知瓶颈的改动,通常不是正确收益。
optimize 技能 FAQ
optimize 比普通 prompt 更好吗?
如果任务明确是 Performance Optimization,那答案是肯定的。普通 prompt 往往只会给你一些通用最佳实践;而 optimize 技能更适合用来做结构化诊断、定向修复,以及区分加载问题和渲染问题的决策过程。
optimize 需要什么输入?
它最适合有明确目标表面和明确症状的输入。例如:哪个 route、哪类设备、哪个浏览器或哪个交互变慢了;用户具体感受到什么;以及有哪些已知约束,比如不能升级依赖、不能改视觉、不能改 API contract。
optimize 适合新手吗?
可以,只要你能把问题说清楚。你不需要一上来就具备很深的 profiling 专业能力,但描述越具体,输出就越有用。如果你只说“让它更快”,技能就只能去猜真正的瓶颈在哪里。
什么时候不该用 optimize?
如果目标是功能设计、文案写作,或者一般性的重构,就不要用它,除非性能本身才是目标。若问题是业务逻辑正确性、仅限无障碍,或者没有变慢的视觉改版,换别的技能或 prompt 会更合适。
如何改进 optimize 技能
提供症状、范围和约束
最好的 optimize 结果来自同时说明三件事的输入:哪里慢、在哪里发生、哪些不能改。比如:“移动端 product grid 的 INP 很差;保持当前布局,不要新增依赖。” 这样就给 Performance Optimization 设下了真正的边界。
有证据就一起提供
如果你有 Lighthouse 分数、Web Vitals、bundle analyzer 输出、long-task trace,或者慢交互的截图,都一起带上。证据能帮助技能区分主观感受和实际影响,并选择真正推动指标变化的修复,而不是只优化代码风格。
先修一个瓶颈,再要求看下一个
优化是迭代式的。第一次处理完后,继续让 optimize 重新评估剩余瓶颈,而不是把彼此无关的改动一股脑堆上去。这样可以让 optimize skill 始终聚焦于高杠杆工作,也能减少“解决一个慢点,却制造另一个慢点”的风险。
