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:
-
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
-
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)
-
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
-
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] -
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
- 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