0 Fork 0

Files

T

li c74c8c927b feat: 新增 MCP 动态选择系统 v1.3.0

## 主要更新

### 1. MCP 动态选择
- ✨ 支持安装时选择 MCP 提供商（ace-tool 或 auggie）
- 🔧 自动生成 ~/.ccg/config.toml 配置文件
- 🔄 命令模板根据配置动态路由 MCP 工具

### 2. 命令模板简化
- 📝 移除外部文档引用（memorys/MCP_USAGE.md）
- 🎯 自包含配置读取说明，减少 50% 提示词长度
- 🔍 统一模式：读取 config → 获取 provider → 调用对应工具

### 3. 配置驱动架构
- 🗂️ 新增 [mcp.tools] 工具名称映射
- 🏷️ 参数名映射（query vs information_request）
- 🚫 优雅处理缺失功能（auggie 无 prompt enhancement）

### 4. 文件更改
- 修改: install.py（新增 MCP 选择逻辑）
- 修改: config.json（operation: install_mcp）
- 修改: 12 个命令模板（dev, enhance, code, analyze, etc.）
- 删除: SLASH_COMMAND_FORMAT.md, UPDATES.md（已合并到文档）
- 更新: CHANGELOG.md, README.md, CLAUDE.md

### 5. 兼容性
- ✅ 向后兼容：默认使用 ace-tool
- ✅ 支持跳过 MCP 安装
- ✅ 配置不存在时使用默认值

Breaking Changes: 无

2026-01-05 19:42:44 +08:00

4.6 KiB

Raw Blame History

description

description
多模型性能优化（Codex 后端优化 + Gemini 前端优化）

/ccg:optimize - 性能优化

Usage

/ccg:optimize <优化目标>

Context

优化目标: $ARGUMENTS
Codex 专注后端性能（数据库、算法、缓存）
Gemini 专注前端性能（渲染、加载、交互）

工作流程

注意: 本命令使用 MCP 代码检索工具。请先读取 ~/.ccg/config.toml 确定 MCP 提供商（ace-tool 或 auggie），然后使用对应的工具。

Phase 1: 性能基线分析

调用代码检索工具:
- 根据 ~/.ccg/config.toml 中 [mcp.tools] code_search_{provider} 调用对应工具
- 参数：project_root_path（项目根目录）, 查询参数使用配置中 query_param_{provider} 对应的名称
- 查询参数名使用 query_param_{provider} 的值（"query" 或 "information_request"）
识别性能关键路径
收集现有指标（如有）：
- 后端: 响应时间、查询耗时、内存占用
- 前端: LCP、FID、CLS、Bundle Size

Phase 2: 并行性能分析

同时启动（run_in_background: true）：

注意：调用前先读取对应角色提示词文件，将内容注入到 <ROLE> 标签中。

Codex 后端性能分析

codeagent-wrapper --backend codex - $PROJECT_DIR <<'EOF'
<ROLE>
读取 prompts/codex/optimizer.md 的内容并注入
</ROLE>

<TASK>
Performance optimization for: <优化目标>

Context:
<相关代码>
</TASK>

OUTPUT: Analysis report + Unified Diff Patch for optimizations.
EOF

Gemini 前端性能分析

codeagent-wrapper --backend gemini - $PROJECT_DIR <<'EOF'
<ROLE>
读取 prompts/gemini/optimizer.md 的内容并注入
</ROLE>

<TASK>
Performance optimization for: <优化目标>

Context:
<相关代码>
</TASK>

OUTPUT: Analysis report + Unified Diff Patch for optimizations.
EOF

Phase 3: 优化整合

收集双模型分析（使用 TaskOutput）
优先级排序：
- 按影响程度排序（High/Medium/Low）
- 按实施难度评估
- 综合性价比排序
Claude 重构优化代码

Phase 4: 实施优化

按优先级实施优化
确保不破坏现有功能
添加必要的性能监控

Phase 5: 验证

运行性能测试（如有）
对比优化前后指标
双模型审查优化效果

输出格式

## ⚡ 性能优化: <优化目标>

### Phase 1: 基线分析
- 优化范围: <涉及的模块>
- 当前指标: <现有性能数据>
- 关键路径: <性能热点>

### Phase 2: 性能分析

#### Codex 分析（后端）
| 问题 | 影响 | 难度 | 预期提升 |
|------|------|------|----------|
| <问题1> | High | Low | -200ms |
| <问题2> | Medium | Medium | -50ms |

**优化建议**:
1. <建议1>
2. <建议2>

#### Gemini 分析（前端）
| 问题 | 影响 | 难度 | 预期提升 |
|------|------|------|----------|
| <问题1> | High | Low | -1.5s LCP |
| <问题2> | Medium | Low | -100KB |

**优化建议**:
1. <建议1>
2. <建议2>

### Phase 3: 优化计划

#### 优先级排序
| 排序 | 优化项 | 来源 | 性价比 |
|------|--------|------|--------|
| 1 | <优化1> | Codex | ⭐⭐⭐ |
| 2 | <优化2> | Gemini | ⭐⭐⭐ |
| 3 | <优化3> | Codex | ⭐⭐ |

### Phase 4: 实施
<优化代码变更>

### Phase 5: 验证
| 指标 | 优化前 | 优化后 | 提升 |
|------|--------|--------|------|
| 响应时间 | 500ms | 200ms | 60% |
| Bundle Size | 2MB | 1.2MB | 40% |
| LCP | 3.5s | 1.8s | 49% |

### 结果
✅ 优化完成
- 后端优化: X 项
- 前端优化: Y 项
- 综合提升: Z%

性能指标参考

后端指标

指标	良好	需优化	严重
API 响应	<100ms	100-500ms	>500ms
数据库查询	<50ms	50-200ms	>200ms
内存占用	稳定	缓慢增长	快速增长

前端指标 (Core Web Vitals)

指标	良好	需改进	差
LCP	<2.5s	2.5-4s	>4s
FID	<100ms	100-300ms	>300ms
CLS	<0.1	0.1-0.25	>0.25

常见优化模式

后端

N+1 查询 → 批量加载 / JOIN
缺少索引 → 添加复合索引
重复计算 → 缓存 / Memoization
同步阻塞 → 异步处理

前端

大 Bundle → 代码分割 / 懒加载
频繁重渲染 → React.memo / useMemo
大列表 → 虚拟滚动
未优化图片 → WebP / 懒加载

关键原则

先测量后优化 - 没有数据不盲目优化
性价比优先 - 高影响 + 低难度优先
不破坏功能 - 优化不能引入 bug
可观测性 - 添加监控便于持续优化

4.6 KiB Raw Blame History Unescape Escape