Token导航 LogoToken导航

Agent Skill · 研究检索

deep-performance-tuning(深度性能调优)

deep-performance-tuning 用于查找、检索和筛选相关信息,适合在 Codex、Claude、Cursor、Gemini CLI 中需要根据关键词、任务场景或来源线索快速定位候选结果时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

deep-performance-tuning 是研究检索类 Agent Skill,可用宿主为 Codex、Claude、Cursor、Gemini CLI,通过GitHub 仓库获取,权限为执行命令;许可证信息还不明确,第三方扫描有提醒项,按安装量在研究检索类的 73,675 个 Skill 里排第 7,212。

总安装 19,626周安装 613GitHub Stars 公开资料未说明下载 5,036核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
unknown

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:deep-performance-tuning(深度性能调优)
来源仓库:https://github.com/fwrite0920/android-skills
仓库路径:skills/deep-performance-tuning
安装命令:
npx skills add https://github.com/fwrite0920/android-skills --skill 'Deep Performance Tuning'
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 npx skills 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

skills.shnpx skills
npx skills add https://github.com/fwrite0920/android-skills --skill 'Deep Performance Tuning'

这个 Skill 是做什么的

研究检索类 Skill 主要解决「找资料、核对事实、把来源整理清楚」的问题,通常会让助手先检索再总结。

用于 Android 应用性能优化,基于实测数据定位启动、内存与 UI 瓶颈。采用 Macrobenchmark 与 Baseline Profile 建立量化基准。逐项实施优化手段并验证效果,避免伪回归与环境波动干扰。需固定测试设备与 API 级别,确保量测结果可比性。

deep-performance-tuning 属于研究检索类 Skill,可作为该场景下的辅助能力补充。

来源仓库内路径:skills/deep-performance-tuning

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 Codex、Claude、Cursor、Gemini CLI;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 npx skills add https://github.com/fwrite0920/android-skills --skill 'Deep Perfor…;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    它需要执行命令,先在测试目录或测试账号里跑,确认没问题再放到正式项目。

常见问题

6 条

deep-performance-tuning 怎么安装?

在终端执行 npx skills add https://github.com/fwrite0920/android-skills --skill 'Deep Performance Tuni…。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

deep-performance-tuning 支持哪些 AI 工具?

公开资料标注支持 Codex、Claude、Cursor、Gemini CLI。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

deep-performance-tuning 需要什么权限?

权限级别是执行命令。安装流程涉及命令执行,可能通过 npx skills add https://github.com/fwrite0920/android-skills --skill 'Deep Performance Tuning' 联网下载 Skill 或依赖。用户安装前应确认命令来源、仓库内容和执行环境。

deep-performance-tuning 是免费的吗?

公开资料没有标注明确许可证,收费和商用限制都无法确认。正式使用前请到来源仓库核对授权说明。

deep-performance-tuning 用的人多吗?

公开数据是累计安装 19,626 次,近一周安装 613 次,下载 5,036 次。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

deep-performance-tuning 安全吗?

第三方扫描有提醒项,说明存在需要人工确认的行为。安装前请打开源码看清它读了什么、联网到哪里。

值得选的地方和要先想清楚的地方

值得选的地方

  • 同时适配 4 种工具,换客户端不用重新找替代品。

先想清楚的地方

  • 需要执行命令,装到常用环境前要先评估影响面。
  • 许可证没有明确标注,能不能商用、能不能再分发都不确定。
  • 第三方扫描存在提醒项或未通过项,需要人工逐条确认。
  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 Codex,想直接扩展它能力的人。
  • 需要处理研究检索类任务、又不想每次都手写提示词的人。

不太适合

  • 不能接受 Skill 在你机器上执行命令的人。
  • 需要明确授权才能用到公司项目里的场景。
  • 需要厂商级技术支持和 SLA 的生产系统。

研究检索类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
find-skills

寻找技能 · Codex、Claude

31,199,81316,486操作浏览器MIT有提醒
self-improving-agent

自我改进 Agent · OpenClaw

16,464,0023,396接触敏感数据MIT-0通过
soultrace

灵魂追踪 · Codex、Claude

7,588,94412需要联网未明确有提醒
self-improving

自我完善 · OpenClaw

6,829,2841,046需要联网MIT-0通过
microsoft-foundry

微软代工厂 · Codex、Claude

6,614,144764调用外部服务未明确有提醒
deep-performance-tuning

深度性能调优 · 本页

19,626—执行命令未明确有提醒

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

Deep Performance Tuning (深度性能优化)

Instructions

  • 仅在有量测数据或明确瓶颈时使用
  • 先填写 Required Inputs(基线、设备、阈值)并冻结
  • 依照下方章节顺序套用
  • 一次只施作一种优化并验证效果
  • 完成后对照 Quick Checklist

When to Use

  • Scenario D:性能问题排查
  • Scenario E:发布前性能验证

Example Prompts

  • "请参考 App Startup Optimization,创建 Macrobenchmark 测量"
  • "用 Memory Analysis 章节,规划内存分析流程"
  • "请依照 R8/Proguard Optimization,检查规则是否完整"

Workflow

  1. 先确认 Required Inputs(量测设备、指标阈值、回归标准)
  2. 创建量测基准(Startup/Memory/UI)
  3. 逐一套用对应优化手段(一次一项)
  4. 执行 Performance Gate 并记录前后对比
  5. 用 Quick Checklist 验收

Practical Notes (2026)

  • Baseline Profile + Macrobenchmark 作为默认流程
  • 每次只做一项优化并量测差异
  • 性能门槛要进 CI Gate
  • 量测环境必须固定(机型/API/温度状态)避免伪回归
  • 无数据不优化,先整理再改动

Minimal Template

目标:
量测基准:
量测设备/环境:
性能阈值:
优化范围:
回归指标:
验收: Quick Checklist

Required Inputs (执行前输入)

  • 量测设备(机型/API/系统版本)
  • 性能阈值(startup/jank/memory/apk size)
  • 测试场景(冷启动、列表滚动、关键交易)
  • 回归标准(允许波动范围)
  • 责任人(性能优化 owner)

Deliverables (完成后交付物)

  • Benchmark 配置与基线数据
  • 优化变更 与前后指标对比
  • CI performance gate(阻挡规则)
  • 回归报告(失败原因与处置)

Performance Gate (验收门槛)

./gradlew :benchmark:connectedBenchmarkAndroidTest
./gradlew test
需要在 PR 中附上优化前后数据与采样条件。

App Startup Optimization

Macrobenchmark 测量

@LargeTest
@RunWith(AndroidJUnit4::class)
class StartupBenchmark {

    @get:Rule
    val benchmarkRule = MacrobenchmarkRule()

    @Test
    fun startupCompilationNone() = startup(CompilationMode.None())

    @Test
    fun startupCompilationPartial() = startup(CompilationMode.Partial())

    private fun startup(compilationMode: CompilationMode) {
        benchmarkRule.measureRepeated(
            packageName = "com.example.app",
            metrics = listOf(StartupTimingMetric()),
            compilationMode = compilationMode,
            iterations = 5,
            startupMode = StartupMode.COLD
        ) {
            pressHome()
            startActivityAndWait()
        }
    }
}

Baseline Profiles

// 生成 Baseline Profile
@RunWith(AndroidJUnit4::class)
class BaselineProfileGenerator {

    @get:Rule
    val rule = BaselineProfileRule()

    @Test
    fun generate() {
        rule.collect("com.example.app") {
            pressHome()
            startActivityAndWait()

            // 关键路径
            device.findObject(By.text("Login")).click()
            device.wait(Until.hasObject(By.text("Home")), 5000)
        }
    }
}

Application onCreate 优化

class MyApplication : Application() {
    override fun onCreate() {
        super.onCreate()

        // ❌ 同步初始化 (Block UI)
        // Firebase.initialize(this)
        // Timber.plant(DebugTree())

        // ✅ 延迟初始化
        AppInitializer.getInstance(this)
            .initializeComponent(FirebaseInitializer::class.java)

        // ✅ 背景初始化
        ProcessLifecycleOwner.get().lifecycle.addObserver(
            object : DefaultLifecycleObserver {
                override fun onCreate(owner: LifecycleOwner) {
                    owner.lifecycleScope.launch(Dispatchers.Default) {
                        // 非关键初始化
                    }
                }
            }
        )
    }
}

Memory Analysis

Heap Dump 分析

# 取得 Heap Dump
adb shell am dumpheap com.example.app /data/local/tmp/heap.hprof
adb pull /data/local/tmp/heap.hprof

# 使用 Android Studio Profiler 分析
# 或使用 MAT (Memory Analyzer Tool)

LeakCanary 设置

// build.gradle.kts
debugImplementation("com.squareup.leakcanary:leakcanary-android:2.12")

// 自定义报告
class MyApplication : Application() {
    override fun onCreate() {
        super.onCreate()
        LeakCanary.config = LeakCanary.config.copy(
            retainedVisibleThreshold = 3,
            objectInspectors = AndroidObjectInspectors.appDefaults
        )
    }
}

Bitmap 内存管理

// 使用 Coil 自动管理
AsyncImage(
    model = ImageRequest.Builder(LocalContext.current)
        .data(imageUrl)
        .size(Size.ORIGINAL)  // 根据需求调整
        .memoryCachePolicy(CachePolicy.ENABLED)
        .build(),
    contentDescription = null
)

R8/Proguard Optimization

自定义规则

# 保留 Serializable
-keepclassmembers class * implements java.io.Serializable {
    static final long serialVersionUID;
    private static final java.io.ObjectStreamField[] serialPersistentFields;
    !static !transient <fields>;
    private void writeObject(java.io.ObjectOutputStream);
    private void readObject(java.io.ObjectInputStream);
}

# 保留 Retrofit Interface
-keep,allowobfuscation interface * {
    @retrofit2.http.* <methods>;
}

# 保留 Compose stability
-keep class * {
    @androidx.compose.runtime.Stable *;
    @androidx.compose.runtime.Immutable *;
}

APK Size 分析

# 使用 bundletool
bundletool build-apks --bundle=app.aab --output=app.apks
bundletool get-size total --apks=app.apks

# Android Studio: Build > Analyze APK

UI Performance

JankStats

class MainActivity : ComponentActivity() {
    private lateinit var jankStats: JankStats

    override fun onCreate(savedInstanceState: Bundle?) {
        super.onCreate(savedInstanceState)

        jankStats = JankStats.createAndTrack(window) { frameData ->
            if (frameData.isJank) {
                Log.w("Jank", "Frame took ${frameData.frameDurationUiNanos / 1_000_000}ms")
            }
        }
    }
}

Compose Recomposition Tracking

// 打开 Composition Tracking
@Composable
fun DebugComposable() {
    SideEffect {
        Log.d("Recomposition", "DebugComposable recomposed")
    }
}

// 使用 Layout Inspector 检查 recomposition count

Quick Checklist

  • Required Inputs 已填写并冻结(设备/阈值/回归标准)
  • Startup: Baseline Profiles 生成
  • Startup: Application onCreate 延迟初始化
  • Memory: LeakCanary 无泄漏
  • APK: R8 规则完善
  • UI: JankStats 无严重掉帧
  • Performance Gate 已执行并记录结果

平台分布

Codex

33.64%
按下载量换算1,694

Claude

32.31%
按下载量换算1,627

Cursor

18.77%
按下载量换算945

Gemini CLI

9.28%
按下载量换算467

安全审计

Gen Agent Trust Hub

通过

Socket

可疑

Snyk

通过

权限和风险

执行命令

安装流程涉及命令执行,可能通过 npx skills add https://github.com/fwrite0920/android-skills --skill 'Deep Performance Tuning' 联网下载 Skill 或依赖。用户安装前应确认命令来源、仓库内容和执行环境。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。来源安全扫描存在提醒或未通过项,安装前请自行复核。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills