免费在 GitHub 公开中文介绍

benchmark

测量网页加载与交互、API响应以及构建和测试的耗时，对比修改前后的结果，并以通过Git共享的基准值检查性能是否下降。

原文查看原文说明

Measure performance baselines and detect regressions across browser Core Web Vitals (LCP, INP, CLS, page weight), API endpoint latency percentiles, and build/test feedback times, with before/after comparison stored in git-tracked .ecc/benchmarks JSON. Use when checking page speed, responding to 'it feels slow' reports, verifying launch performance targets, or comparing stack alternatives.

affaan-m/ECC

AI 评分80分/ 100 查看安装方法

适用场景

比较代码修改前后的性能
调查页面缓慢的反馈
发布前检查性能目标
比较不同技术方案的性能

中文介绍

功能

测量网页、API和开发任务的耗时，并比较修改前后的性能。网页检查包括加载速度、交互响应和布局偏移，也会统计JavaScript及图片体积、网络请求次数等。API检查会发送100次请求，并以10个并发请求进行负载测试，测量响应时间中位数、较慢响应的分布情况、响应大小和状态码。

适用场景

适合用具体数据核实“感觉很慢”的反馈，或在发布前检查是否达到性能目标。构建、热更新、测试和类型检查等开发任务的耗时也属于测量范围。还可用于比较代码修改带来的影响，或评估不同技术方案的性能。

使用示例

“测量这个页面的速度和资源体积。”
“用/benchmark baseline保存修改前的基准值。”
“用/benchmark compare查看修改后的结果和差异。”

注意事项

网页测量使用可控制浏览器的集成功能browser MCP。基准值以JSON格式保存在.ecc/benchmarks/中，预期通过Git共享。资料包含反复访问API的测量步骤。许可证为MIT。

本介绍由 AI（OpenAI Codex）根据公开的 SKILL.md 撰写。准确的规格请查看下方原文。

客观评估

AI 仅根据 SKILL.md 的内容，从 4 个方面进行了评估。星标数和热度不计入评估。

指令清晰度能否看出何时使用、做什么: A良好明确列出网页、API和构建的测量对象，以及修改前后性能比较的使用场景。
步骤具体性步骤、输入输出和示例是否具体: A良好具体说明API请求100次、10个并发请求、比较表及JSON保存目录。
安全性发送数据、删除文件、执行命令等是否有说明: B部分不足会重复并发请求API，但未提供目标授权确认或负载限制步骤。
安装难易度所需工具和 API 密钥是否少且有说明: B部分不足网页测量要求使用browser MCP，但未提供安装和连接步骤。

总分按每项 A=25 分、B=15 分、C=5 分相加。由 AI（OpenAI Codex）于 2026年10月19日评估。仅供参考，安装前请同时查看原文。

如果您认为评估有误，请申请复核

包含的文件（1）

SKILL.md2.6 KB

SKILL.md（原文）

安装前可以查看交给 AI 代理的指令内容。

Benchmark — Performance Baseline & Regression Detection

When to Use

Before and after a PR to measure performance impact
Setting up performance baselines for a project
When users report "it feels slow"
Before a launch — ensure you meet performance targets
Comparing your stack against alternatives

How It Works

Mode 1: Page Performance

Measures real browser metrics via browser MCP:

1. Navigate to each target URL
2. Measure Core Web Vitals:
   - LCP (Largest Contentful Paint) — target < 2.5s
   - CLS (Cumulative Layout Shift) — target < 0.1
   - INP (Interaction to Next Paint) — target < 200ms
   - FCP (First Contentful Paint) — target < 1.8s
   - TTFB (Time to First Byte) — target < 800ms
3. Measure resource sizes:
   - Total page weight (target < 1MB)
   - JS bundle size (target < 200KB gzipped)
   - CSS size
   - Image weight
   - Third-party script weight
4. Count network requests
5. Check for render-blocking resources

Mode 2: API Performance

Benchmarks API endpoints:

1. Hit each endpoint 100 times
2. Measure: p50, p95, p99 latency
3. Track: response size, status codes
4. Test under load: 10 concurrent requests
5. Compare against SLA targets

Mode 3: Build Performance

Measures development feedback loop:

1. Cold build time
2. Hot reload time (HMR)
3. Test suite duration
4. TypeScript check time
5. Lint time
6. Docker build time

Mode 4: Before/After Comparison

Run before and after a change to measure impact:

/benchmark baseline    # saves current metrics
# ... make changes ...
/benchmark compare     # compares against baseline

Output:

| Metric | Before | After | Delta | Verdict |
|--------|--------|-------|-------|---------|
| LCP | 1.2s | 1.4s | +200ms | WARNING: WARN |
| Bundle | 180KB | 175KB | -5KB | ✓ BETTER |
| Build | 12s | 14s | +2s | WARNING: WARN |

Output

Stores baselines in .ecc/benchmarks/ as JSON. Git-tracked so the team shares baselines.

Integration

CI: run /benchmark compare on every PR
Pair with /canary-watch for post-deploy monitoring
Pair with /browser-qa for full pre-ship checklist

评价

还没有评价。欢迎分享你的使用感受。

无需登录即可发表。欢迎分享使用感受、提问，或说明在哪些环境下无法运行。

还没有评论。来写第一条吧。

同一仓库的技能