composio-community GitHub avatar

awesome-claude-plugins

2K Stars23 Skills844 Forks11月5日更新Skill 仓库

AI 概览 · 由大模型根据 SKILL.md 与仓库数据生成 · 2026年11月3日

面向性能分析与工程协作的 Skill 集合

该仓库收录可扩展 Claude Code 的插件;采集到的 Skill 资料包括性能基准测试、基线管理、结果分析、代码路径梳理和调查记录等工作流,也包含设计、前端、文档及 MCP 相关 Skill。仓库简介描述的是插件集合,不能据此推断每个 Skill 的具体功能;实际使用应以对应 Skill 资料为准。

包含 Skill

23

可以单独安装

GitHub Star

2,000

仓库累计 Star

近 7 天

+10

新增 Star

代码更新

2026年11月5日

最近一次推送

核心亮点

  • 1覆盖性能流程

    包含测试、基线整理、分析和调查记录等相关 Skill。

  • 2支持证据整理

    性能分析资料列出了基线数据、实验结果、分析证据和已测试假设等输入。

  • 3涵盖多类任务

    采集资料还涉及前端设计、变更日志和开发者成长分析等用途。

能做什么

  • 运行性能基准测试并建立基线。
  • 管理性能基线、汇总结果或比较版本。
  • 根据基线数据、实验结果和分析证据综合性能发现。
  • 记录结构化的性能调查笔记与证据。
  • 分析 CPU 或内存热点,并生成火焰图或采集 JFR、perf 证据。
  • 支持前端设计、变更日志生成和开发者成长分析等其他工作流。

适用场景

  • 对不同版本的性能结果进行比较并整理基线。

  • 开展性能基准测试,检查可能的性能回退。

  • 收集 CPU 或内存热点证据,辅助定位代码路径。

  • 记录一次性能调查中的假设、实验和证据。

  • 整理开发者成长相关资料并形成结构化报告。

用之前和用之后

  • 基准数据、实验结果和分析证据可能分散可按对应 Skill 的工作流汇总和分析。
  • 性能调查记录可能缺少统一结构可借助调查记录类 Skill 整理结构化笔记与证据。
  • 版本间性能结果需要手动梳理可使用基线管理类 Skill 汇总或比较版本。

它是怎么工作的

  1. 第 1 步

    准备性能数据

  2. 第 2 步

    执行测试与记录

  3. 第 3 步

    整理证据并分析

快速上手

安装与复制命令见“安装方式”。

  1. 1

    根据任务选择对应的 Skill 及其源文件。

  2. 2

    查看 Skill 资料中的输入要求和操作约束。

  3. 3

    准备该任务所需的数据、实验结果或分析证据。

  4. 4

    按对应 Skill 的说明执行,并核对整理出的结果。

适合谁

  • 需要执行性能基准测试或比较版本结果的工程人员。
  • 需要整理性能分析证据、热点信息或调查记录的开发者。
  • 需要使用前端设计、变更日志或开发者成长分析工作流的用户。

局限

  • 采集资料未提供通用安装命令或完整使用流程,需要查阅各 Skill 源文件确认。
  • 多数 Skill 未列出具体步骤、输入或输出,不能仅凭摘要判断完整操作方式。
  • Perf Analyzer 需要基线数据、实验结果、分析证据、已测试假设及突破点结果等输入。
  • Perf Benchmarker 说明基准测试需顺序运行,通常至少运行 60 秒;二分搜索时可为 30 秒,并且不并行运行基准测试。

使用前注意

  • · 执行性能测试前,核对 Perf Benchmarker 的运行时长要求及不可并行运行的约束。
  • · 使用性能分析结果前,确认所需基线、实验数据和证据是否齐备。
  • · 采集资料未说明各 Skill 的完整安装步骤、运行环境或输出格式,需查阅对应源文件核实。

包含的 Skills · 23

公开来源

相关 Skills

查看更多