Agent Skills by ALSEL
OpenAIソフトウェア開発⭐ リポ 1品質スコア 68/100

perf-profile

パフォーマンスプロファイリングの体系的なワークフローです。ボトルネックを特定し、予算に対する実績を測定して、優先度付けされた最適化の推奨事項を生成します。

description の原文を見る

Structured performance profiling workflow. Identifies bottlenecks, measures against budgets, and generates optimization recommendations with priority rankings.

SKILL.md 本文

このスキルが呼び出されたときの手順:

  1. スコープを決定します 引数から:

    • システム名の場合: そのシステムに絞ったプロファイリングを実施
    • full の場合: 全システム対象の包括的なプロファイルを実行
  2. パフォーマンス予算を読み込みます — 設計ドキュメントまたは AGENTS.md の既存パフォーマンスターゲットを確認:

    • ターゲットFPS(例: 60fps = 16.67msフレーム予算)
    • メモリ予算(全体およびシステムごと)
    • ロード時間目標
    • ドローコール予算
    • ネットワーク帯域幅制限(マルチプレイ時)
  3. コードベースを分析します 一般的なパフォーマンス問題について:

    CPU プロファイリング対象:

    • _process() / Update() / Tick() 関数 — すべてをリストアップしてコストを推定
    • 大規模コレクションに対するネストされたループ
    • ホットパス内の文字列操作
    • フレームごとのコード内のアロケーションパターン
    • ゲームエンティティに対する非最適化された検索/ソート
    • 毎フレーム実行される高コストな物理クエリ(レイキャスト、オーバーラップ検出)

    メモリプロファイリング対象:

    • 大規模データ構造とその増長パターン
    • テクスチャ/アセットメモリフットプリント推定
    • オブジェクトプール vs インスタンス化/破棄パターン
    • リークした参照(解放されるべきなのに解放されていないオブジェクト)
    • キャッシュサイズと削除ポリシー

    レンダリング対象 (該当時):

    • ドローコール推定
    • 重なり合った透明オブジェクトからのオーバードロー
    • シェーダの複雑度
    • 非最適化されたパーティクルシステム
    • 欠落している LOD またはオクルージョンカリング

    I/O対象:

    • セーブ/ロード性能
    • アセットロードパターン(同期 vs 非同期)
    • ネットワークメッセージの頻度とサイズ
  4. プロファイリングレポートを生成します:

    ## Performance Profile: [System or Full]
    Generated: [Date]
    
    ### Performance Budgets
    | Metric | Budget | Estimated Current | Status |
    |--------|--------|-------------------|--------|
    | Frame time | [16.67ms] | [estimate] | [OK/WARNING/OVER] |
    | Memory | [target] | [estimate] | [OK/WARNING/OVER] |
    | Load time | [target] | [estimate] | [OK/WARNING/OVER] |
    | Draw calls | [target] | [estimate] | [OK/WARNING/OVER] |
    
    ### Hotspots Identified
    | # | Location | Issue | Estimated Impact | Fix Effort |
    |---|----------|-------|------------------|------------|
    | 1 | [file:line] | [description] | [High/Med/Low] | [S/M/L] |
    | 2 | [file:line] | [description] | [High/Med/Low] | [S/M/L] |
    
    ### Optimization Recommendations (Priority Order)
    1. **[Title]** — [Description of the optimization]
       - Location: [file:line]
       - Expected gain: [estimate]
       - Risk: [Low/Med/High]
       - Approach: [How to implement]
    
    ### Quick Wins (< 1 hour each)
    - [Simple optimization 1]
    - [Simple optimization 2]
    
    ### Requires Investigation
    - [Area that needs actual runtime profiling to determine impact]
    
  5. レポートを出力します サマリー付きで: トップ 3 のホットスポット、予算に対する推定余裕、推奨される次のアクション

ルール

  • 計測なしで最適化しないでください — パフォーマンスについての直感は信頼できません
  • 推奨事項には推定インパクトを必ず含めてください — 「より高速にする」では実行不可能です
  • ターゲットハードウェア上でプロファイルしてください、開発マシンだけではなく
  • CPU バウンド、GPU バウンド、I/O バウンドのボトルネックを区別してください
  • 最悪ケースのシナリオを検討してください(最大エンティティ数、最小スペックハードウェア、最悪なネットワーク状態)
  • 静的分析(このスキル)は候補を特定し、ランタイムプロファイリングで確認します

ライセンス: MIT(寛容ライセンスのため全文を引用しています) · 原本リポジトリ

詳細情報

作者
NhomNhem
リポジトリ
NhomNhem/solar-phobia
ライセンス
MIT
最終更新
2026/5/12

Source: https://github.com/NhomNhem/solar-phobia / ライセンス: MIT

本サイトは GitHub 上で公開されているオープンソースの SKILL.md ファイルをクロール・インデックス化したものです。 各スキルの著作権は原作者に帰属します。掲載に問題がある場合は info@alsel.co.jp または /takedown フォームよりご連絡ください。
原作者: NhomNhem · NhomNhem/solar-phobia · ライセンス: MIT