ccg-workflow/templates/commands/optimize.md at d8a3ee2bfdcefbf8d05e876638d64fa5e73cbf48

0 Fork 0

Files

T

li 6e897cde81 feat: 为所有多模型命令添加 codeagent-wrapper 调用示例

- 为 10 个命令添加具体的 Bash + codeagent-wrapper 调用示例
- 使用优化后的 ROLE_FILE 方式减少 token 消耗
- 命令列表:
  1. frontend.md - Gemini/Codex 前端原型生成
  2. backend.md - Codex/Gemini 后端原型生成
  3. code.md - 三模型并行原型生成和审查
  4. review.md - Codex/Gemini 双模型代码审查
  5. analyze.md - Codex/Gemini 双模型技术分析
  6. debug.md - Codex/Gemini 双模型调试诊断
  7. optimize.md - Codex/Gemini 性能优化
  8. test.md - Codex/Gemini 测试生成
  9. think.md - Codex/Gemini 深度分析
  10. bugfix.md - Codex/Gemini 双模型修复+验证
- 更新版本号 1.0.3 → 1.0.4

修改文件:
- templates/commands/{frontend,backend,code,review,analyze,debug,optimize,test,think,bugfix}.md
- package.json

2026-01-05 16:25:42 +08:00

2.8 KiB

Raw Blame History

description

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

调用语法见 _config.md

用法

/optimize <优化目标>

上下文

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）

流程

Phase 1: 性能基线分析

调用 mcp__ace-tool__search_context 检索目标代码:
- project_root_path: 项目根目录绝对路径
- query: 需要优化的目标代码描述
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

同时调用（run_in_background: true）:

调用方式: 使用 Bash 工具调用 codeagent-wrapper

# Codex 后端性能分析
codeagent-wrapper --backend codex - $PROJECT_DIR <<'EOF'
ROLE_FILE: ~/.claude/prompts/ccg/codex/optimizer.md

<TASK>
性能优化: {{优化目标}}
Context: {{从 ace-tool 获取的相关代码和性能指标}}
</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_FILE: ~/.claude/prompts/ccg/gemini/optimizer.md

<TASK>
性能优化: {{优化目标}}
Context: {{从 ace-tool 获取的相关代码和性能指标}}
</TASK>

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

Codex + optimizer 角色 → 后端性能分析
Gemini + optimizer 角色 → 前端性能分析

Phase 3: 优化整合

收集双模型分析（TaskOutput）
优先级排序：按影响程度 × 实施难度计算性价比
Claude 重构优化代码

Phase 4: 实施优化

按优先级实施
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

性能指标参考

后端

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

前端 (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、缺少索引→复合索引、重复计算→缓存、同步阻塞→异步前端: 大 Bundle→代码分割、频繁重渲染→memo、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

2.8 KiB Raw Blame History Unescape Escape

用法

上下文

流程