perf-profile

SkillAI & models

A structured performance profiling workflow. Identify bottlenecks, measure against performance budgets, and generate prioritized optimization recommendations.

Available today. Use it from your connected AI after setup.

Connect ahel once, and every AI you use reads what you have installed.

Then ask your AI: use the perf-profile skill

What this skill tells your AI

The instructions your AI receives, as published by pixel-cellar/claude-code-game-studios in .claude/skills/perf-profile/SKILL.md and read by ahel’s review.

当此技能被调用时:

  1. 确定范围根据参数:

    • 如果是系统名称:专注于该特定系统的分析
    • 如果是 full:对所有系统进行全面分析
  2. 读取性能预算 — 检查设计文档或 CLAUDE.md 中是否有现有性能目标:

    • 目标 FPS(例如 60fps = 16.67ms 帧预算)
    • 内存预算(总量和按系统)
    • 加载时间目标
    • Draw Call 预算
    • 网络带宽限制(如果是多人游戏)
  3. 分析代码库中的常见性能问题:

    CPU 分析目标

    • _process() / Update() / Tick() 函数 — 列出所有并估算开销
    • 大集合上的嵌套循环
    • 热路径中的字符串操作
    • 每帧代码中的分配模式
    • 未优化的游戏实体搜索/排序
    • 每帧执行的昂贵物理查询(射线检测、重叠检测)

    内存分析目标

    • 大型数据结构及其增长模式
    • 纹理/资源内存占用估算
    • 对象池 vs 实例化/销毁模式
    • 泄漏的引用(应该释放但未释放的对象)
    • 缓存大小和淘汰策略

    渲染目标(如适用):

    • Draw Call 估算
    • 重叠透明物体导致的过度绘制
    • 着色器 (Shader) 复杂度
    • 未优化的粒子系统
    • 缺失 LOD (Level of Detail) 或遮挡剔除 (Occlusion Culling)

    I/O 目标

    • 存档/读档性能
    • 资源加载模式(同步 vs 异步)
    • 网络消息频率和大小
  4. 生成性能分析报告

    ## 性能分析:[系统或全面]
    生成日期:[日期]
    
    ### 性能预算
    | 指标 | 预算 | 估算当前值 | 状态 |
    |------|------|-----------|------|
    | 帧时间 | [16.67ms] | [估算值] | [正常/警告/超标] |
    | 内存 | [目标] | [估算值] | [正常/警告/超标] |
    | 加载时间 | [目标] | [估算值] | [正常/警告/超标] |
    | Draw Call | [目标] | [估算值] | [正常/警告/超标] |
    
    ### 发现的热点
    | # | 位置 | 问题 | 预估影响 | 修复工作量 |
    |---|------|------|---------|-----------|
    | 1 | [文件:行号] | [描述] | [高/中/低] | [小/中/大] |
    | 2 | [文件:行号] | [描述] | [高/中/低] | [小/中/大] |
    
    ### 优化建议(按优先级排序)
    1. **[标题]** — [优化描述]
       - 位置:[文件:行号]
       - 预期收益:[估算值]
       - 风险:[低/中/高]
       - 方案:[实现方式]
    
    ### 快速见效(每个不到 1 小时)
    - [简单优化 1]
    - [简单优化 2]
    
    ### 需要进一步调查
    - [需要实际运行时分析来确定影响的领域]
    
  5. 输出报告并附带摘要:前 3 个热点、相对于预算的估算余量,以及建议的下一步行动。

规则

  • 不要先测量就优化 — 对性能的直觉是不可靠的
  • 建议必须包含预估影响 — "让它更快"不具有可操作性
  • 在目标硬件上进行分析,而不仅仅是开发机器
  • 区分 CPU 瓶颈、GPU 瓶颈和 I/O 瓶颈
  • 考虑最坏情况(最大实体数、最低配置硬件、最差网络条件)
  • 静态分析(本技能)识别候选;运行时分析确认

Signals

GitHub stars
326
Forks
71
Last commit
Mar 2026
Advanced
Catalog kind
skill
Gateway key
perf-profile-pixel-cellar
Source
github.com/pixel-cellar/claude-code-game-studios