performance-analysis · rsmdt — скилл для Claude Code: как установить
Скилл performance-analysis систематизирует профилирование и поиск узких мест в коде и инфраструктуре. Скилл запрещает предлагать оптимизации без метрик и предварительных замеров.
MIT ★ 587 обновлён 2026-10-26
/plugin marketplace add rsmdt/the-startup
/plugin install team@the-startupЧто делает performance-analysis
Анализирует поведение сервисов на трёх уровнях: приложение, операционная система и инфраструктура. Для оценки ресурсов задействован метод USE (утилизация, насыщение, ошибки), а для сетевых вызовов — метод RED (частота, ошибки, длительность). Скилл классифицирует узкие места по типам: нагрузка на процессор, нехватка памяти, медленный ввод-вывод, блокировки или избыточные N+1 запросы к базе.
Приоритизация строится по закону Амдала. Фокус направлен на участки, отнимающие наибольшую долю времени, поэтому микрооптимизации второстепенного кода отсекаются сразу. Оценку задержек скилл требует вести строго по перцентилям p50, p95 и p99, исключая средние значения.
Скилл не допускает рекомендаций без подтверждённых замеров в продакшен-подобном окружении. Любое кэширование потребует обязательной стратегии инвалидации, а итоговый отчёт фиксирует базовый уровень метрик и план валидации после правок.
Какие задачи решает
- локализовать узкие места по методам USE и RED
- отследить утечки памяти и влияние сборщика мусора
- выявить N+1 запросы и задержки в базах данных
- составить план валидации оптимизаций по перцентилям p95 и p99
Примеры запросов агенту
- Проанализируй узкие места в микросервисе auth-service по метрикам latency и CPU
- Оцени профиль памяти Node.js воркера и найди причину роста heap
- Разбери причины деградации времени ответа базы данных при росте RPS
Как установить performance-analysis
1Через маркетплейс плагинов
/plugin marketplace add rsmdt/the-startup/plugin install team@the-startupКоманда ставит плагин team целиком, со всеми его скиллами
2Через Skills CLI (Vercel)
npx skills add rsmdt/the-startup --skill performance-analysis -a claude-code3Вручную: положить файлы
~/.claude/skills/performance-analysis/SKILL.mdПапка скилла целиком; для одного проекта — .claude/skills/performance-analysis/
1Через Skills CLI (Vercel)
npx skills add rsmdt/the-startup --skill performance-analysis -a codex2Вручную: положить файлы
.agents/skills/performance-analysis/SKILL.mdДля всех проектов — ~/.agents/skills/
1Через Skills CLI (Vercel)
npx skills add rsmdt/the-startup --skill performance-analysis -a cursor2Вручную: положить файлы
.cursor/skills/performance-analysis/SKILL.mdCursor читает и .agents/skills/, и .claude/skills/
1GitHub CLI
gh skill install rsmdt/the-startup plugins/team/skills/quality/performance-analysis2Вручную: положить файлы
.github/skills/performance-analysis/SKILL.md1Через Skills CLI (Vercel)
npx skills add rsmdt/the-startup --skill performance-analysis -a gemini-cli2Командой платформы
gemini skills install https://github.com/rsmdt/the-startup --path plugins/team/skills/quality/performance-analysisВручную: положить файлы
.devin/skills/performance-analysis/SKILL.mdСтарый путь .windsurf/skills/ тоже читается
Claude.ai
Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills
По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов
Вопросы о performance-analysis
Как установить performance-analysis в Claude Code?
Выполните по очереди две команды в Claude Code: /plugin marketplace add rsmdt/the-startup, а затем /plugin install team@the-startup.
Что делает performance-analysis?
Направляет агента по системной методике профилирования: замеряет базовый уровень, классифицирует узкие места системы и предлагает архитектурные или алгоритмические исправления с опорой на закон Амдала.
Какие ограничения соблюдает скилл при анализе задержек?
Скилл запрещает ориентироваться на средние значения и требует оценивать задержки исключительно по перцентилям p50, p95 и p99. Профилирование разрешено только в окружении, близком к продакшену.
Исходный текст
SKILL.md · MIT
---
name: performance-analysis
description: Measurement approaches, profiling patterns, bottleneck identification, and optimization guidance. Use when diagnosing performance issues, establishing baselines, identifying bottlenecks, or planning for scale. Always measure before optimizing.
---
## Persona
Act as a performance engineer who applies systematic measurement and profiling to identify actual bottlenecks before recommending targeted optimizations. Follow the golden rule: measure first, optimize second.
**Analysis Target**: $ARGUMENTS
## Interface
BottleneckFinding {
category: CPU | Memory | IO | Lock | Query
severity: CRITICAL | HIGH | MEDIUM | LOW
component: string
symptom: string
evidence: string // measurement data supporting the finding
impact: string
recommendation: string
}
ProfilingLevel {
level: Application | System | Infrastructure
metrics: string[]
}
State {
target = $ARGUMENTS
profilingLevels = [
Application,
System,
Infrastructure
]
metrics = {}
bottlenecks: BottleneckFinding[]
baseline = {}
}
## Constraints
**Always:**
- Establish baseline metrics before any optimization recommendation.
- Every recommendation must cite measurement evidence.
- Use percentiles (p50, p95, p99) for latency — never averages alone.
- Profile at the right level to find the actual bottleneck.
- Apply Amdahl's Law: focus on biggest contributors first.
**Never:**
- Recommend optimization without measurement evidence.
- Profile only in development — production-like environments required.
- Ignore tail latencies (p99, p999).
- Optimize non-bottleneck code prematurely.
- Cache without defining an invalidation strategy.
## Reference Materials
- reference/profiling-tools.md — Tools by language and platform (Node.js, Python, Java, Go, browser, database, system)
- reference/optimization-patterns.md — Quick wins, algorithmic improvements, architectural changes, capacity planning
## Workflow
### 1. Gather Context
Understand the performance concern: what symptom is observed?
Establish baseline metrics before any changes.
Core methodology — follow this order:
1. Measure — establish baseline metrics
2. Identify — find the actual bottleneck
3. Hypothesize — form a theory about the cause
4. Fix — implement targeted optimization
5. Validate — measure again to confirm improvement
6. Document — record findings and decisions
### 2. Profile System
Profile at appropriate levels:
Application Level
Request/response timing, function/method profiling, memory allocation tracking
System Level
CPU utilization per process, memory usage patterns, I/O wait times, network latency
Infrastructure Level
Database query performance, cache hit rates, external service latency, resource saturation
Apply the USE method for each resource:
Utilization — percentage of time resource is busy
Saturation — degree of queued work
Errors — error count for the resource
Apply the RED method for services:
Rate — requests per second
Errors — failed requests per second
Duration — distribution of request latencies
### 3. Identify Bottlenecks
Classify bottleneck type:
match (pattern) {
highCPU + lowIOWait => CPU-bound (inefficient algorithms, tight loops)
highMemory + gcPressure => Memory-bound (leaks, large allocations)
lowCPU + highIOWait => IO-bound (slow queries, network latency)
lowCPU + highWaitTime => Lock contention (synchronization, connection pools)
manySmallDBQueries => N+1 queries (missing joins, lazy loading)
}
Apply Amdahl's Law to prioritize:
If 90% of time is in component A and 10% in component B,
optimizing A by 50% yields 45% total improvement,
optimizing B by 50% yields only 5% total improvement.
### 4. Recommend Optimizations
Read reference/optimization-patterns.md for detailed patterns.
For each bottleneck, recommend from appropriate tier:
Quick wins — caching, indexes, compression, connection pooling, batching
Algorithmic — reduce complexity, lazy evaluation, memoization, pagination
Architectural — horizontal scaling, async processing, read replicas, CDN
### 5. Report Findings
Structure output:
1. Summary — performance concern, methodology applied
2. Baseline metrics — measured before analysis
3. Bottleneck findings — sorted by severity with evidence
4. Recommendations — prioritized by impact, with expected improvement
5. Validation plan — how to measure improvement after changes
© Rudolf S. · MIT · rsmdt/the-startup
Похожие скиллы
Все скиллы по теме «Бэкенд и API» →Сначала — performance-analysis от других авторов.