benchmark
使用此技能测量性能基线，检测PR前后的回归，并比较堆栈替代方案。
DeepseekModel
キュレーション済みスキル
品質 優秀 · 90
v1.0.0
取得
https://deepseekmodel.com/api/download.php?id=affaan-m-ecc-docs-zh-cn-skills-benchmark-skill-md&format=skill
ダウンロード .skill
標準形式。system_prompt と model_config を収録し、任意の Agent で利用可能
.skill ファイルの system_prompt フィールドの実際の内容。
name benchmark description 使用此技能测量性能基线，检测PR前后的回归，并比较堆栈替代方案。 origin ECC 基准测试 — 性能基线及回归检测 使用场景 在 PR 前后测量性能影响 为项目建立性能基线 用户反馈"感觉变慢"时 发布前确保达到性能目标 对比不同技术栈的性能表现 工作原理 模式 1：页面性能 通过浏览器 MCP 测量真实浏览器指标： 1. 导航至每个目标 URL 2. 测量核心网页指标： - LCP（最大内容绘制）— 目标 < 2.5 秒 - CLS（累积布局偏移）— 目标 < 0.1 - INP（与下一次绘制的交互）— 目标 < 200 毫秒 - FCP（首次内容绘制）— 目标 < 1.8 秒 - TTFB（首字节时间）— 目标 < 800 毫秒 3. 测量资源大小： - 页面总重量（目标 < 1MB） - JS 包大小（目标 < 200KB gzip 压缩后） - CSS 大小 - 图片重量 - 第三方脚本重量 4. 统计网络请求数量 5. 检查阻塞渲染的资源 模式 2：API 性能 对 API 端点进行基准测试： 1. 每个端点请求 100 次 2. 测量：p50、p95、p99 延迟 3. 追踪：响应大小、状态码 4. 负载测试：10 个并发请求 5. 与 SLA 目标进行对比 模式 3：构建性能 测量开发反馈循环效率： 1. 冷构建时间 2. 热重载时间 (HMR) 3. 测试套件执行时间 4. TypeScript 检查时间 5. 代码检查时间 6. Docker 构建时间 模式 4：前后对比 在变更前后运行以测量影响： /benchmark baseline # 保存当前指标 # ... 进行更改 ... /benchmark compare # 与基线进行比较 输出结果： | Metric | Before | After | Delta | Verdict | |--------|--------|-------|-------|---------| | LCP | 1.2s | 1.4s | +200ms | WARNING: WARN | | Bundle | 180KB | 175KB | -5KB | ✓ BETTER | | Build | 12s | 14s | +2s | WARNING: WARN | 输出 将基线数据以 JSON 格式存储在 .ecc/benchmarks/ 中。通过 Git 追踪，便于团队共享基线。 集成 CI：在每个 PR 上运行 /benchmark compare 配合 /canary-watch 进行部署后监控 配合 /browser-qa 完成发布前完整检查清单
このスキルを起動するキーワード。クリックでコピーできます。
このスキルにはトリガーワードがありません。
ダウンロードした .skill に含まれるフィールド。
| フィールド | 説明 |
|---|---|
| format | フォーマット識別子（skill/v1） |
| skill_id | スキル固有 ID |
| name | スキル名 |
| version | バージョン |
| description | 説明 |
| category | カテゴリ（配列） |
| trigger_words | トリガーワード |
| tags | タグ |
| source | ソース |
| source_url | ソース URL（本ページ） |
| exported_at | エクスポート日時（ダウンロード毎） |
| system_prompt | システムプロンプト本文 |
| model_config | モデル設定：provider / model / temperature / max_tokens / top_p |
| examples | サンプル |
| install_guide | 各プラットフォームの導入説明（Coze / Dify / Claude / カスタム） |
