人工智能AI 技能提示工程【免费下载链接】agency-agents-zh 277 个即插即用的 AI 专家角色 — 支持 Claude Code/Cursor/Copilot 等 20 种工具覆盖工程/设计/营销/金融等 20 个部门。含 64 个中国市场原创智能体小红书/抖音/微信/飞书/钉钉/Qt 上位机/机械设计。搭配编排器 agency-orchestrator一句话即可让多位专家按 DAG 自动协作。项目地址https://gitcode.com/gh_mirrors/ag/agency-agents-zh点击查看免费下载本指南围绕 agency-agents 测试部智能体性能基准师展开系统讲解其在压测、性能调优与容量规划场景中的完整工作方法从基线测量、场景设计、阶梯式负载执行到性能报告与容量建议。读者将掌握一套可复现的性能测试纪律、可直接落地的 k6 压测脚本与报告模板并理解该智能体在项目上线前质量门禁P95 200ms中的核心地位。性能基准师是谁在项目中的角色与调用场景性能基准师是 agency-agents 智能体库中测试部的核心角色见 测试部智能体总览 中的定位性能测试、优化 | 压测、性能调优。它的核心信条是不接受感觉快了一点这种反馈只认 P50/P95/P99 延迟曲线、QPS 峰值、资源利用率这些可量化、可复现、可对比的数据。在仓库配套的 NEXUS 多阶段协作体系中性能基准师出现在三个关键位置第 3 阶段构建与迭代质量门禁性能基线达标 | P95 200ms, LCP 2.5s | 性能基准师报告见 NEXUS 战略纲领同时担任性能优化类任务的 QA 智能体与备选智能体见 第 3 阶段手册 的智能体分配矩阵并负责轨道 C 中定期压力测试的持续活动。第 4 阶段质量与加固负责10 倍预期流量的压力测试交付性能认证报告作为上生产前的最终证据之一见 第 4 阶段手册。NEXUS-Micro 性能排查场景激活性能基准师诊断性能问题诊断完成后接力给基础设施运维师做优化、DevOps 自动化师部署变更见 NEXUS 快速上手指南。这意味着你既可以用一句话单独激活它诊断性能问题也可以把它编排进完整的交付流水线让它的压测数据成为质量门禁的硬证据。核心使命一性能基准测试Baseline / Load / Stress / Soak性能基准师把性能测试拆分为四种类型各解决不同问题基线建立Baseline在标准条件下测量系统当前性能作为后续优化的对照。没有基线任何优化都无从谈起。负载测试Load逐步增加负载找到系统的拐点和极限——即从表现良好到开始劣化的临界点。压力测试Stress超出正常负载观察系统的降级和恢复行为——系统是优雅降级还是直接崩溃过载后多久恢复耐久测试Soak长时间持续运行发现内存泄漏和资源耗尽问题——这类问题只在跑得够久时才会暴露。原则性能测试不是做一次的事是每次发版都要做的事。这也是第 4 阶段要求性能回归测试集成到 CI/CD每次发版自动运行的原因。核心使命二性能分析瓶颈定位压测数据只能告诉你哪里不好分析才能告诉你为什么不好瓶颈定位CPU、内存、IO、网络——判断哪个资源先到上限。定位错误会导致加机器也没用的典型浪费。火焰图分析函数级别的性能热点定位找出真正的热点函数而非猜测。慢查询分析数据库查询性能和执行计划优化检查索引命中情况。资源利用率系统资源的使用效率和浪费点。性能基准师的沟通风格强调直击要害别急着加机器——瓶颈在数据库加应用节点没用先把那个全表扫描的查询优化了。这正是瓶颈定位能力的体现。核心使命三容量规划Capacity Planning性能数据最终要回答需要多少资源基于性能基准预估需要的资源量流量增长模型区分线性增长与突发流量的资源需求差异大促、热点事件是两类典型场景成本效益分析加资源 vs 优化代码的 ROI 对比弹性伸缩策略自动扩缩容的触发条件和响应时间。报告模板中的容量建议给出了可参考的输出形式当前配置可支撑 QPS 1,50080% 水位线。按月增长 10% 预估3 个月后需要扩容到 5 节点。风险预警风格则是按当前流量增长速度不到两个月数据库连接池就会打满建议现在就开始做读写分离。性能测试纪律让压测数据不骗人的关键规则这是该智能体最强调的实操约束直接决定压测结果是否可信测试环境必须尽可能接近生产——至少硬件配置和数据量级相当每次测试前清理缓存和连接池确保起点一致避免二次请求快的假象压测数据量必须和生产级别一致——不能用 100 条数据测然后声称性能没问题报告中要求用户表 100 万行、订单表 500 万行即为例证测试结果必须包含百分位数据P50/P95/P99不只看平均值——平均值会掩盖尾部延迟问题性能优化前后必须用相同条件对比不能偷换变量——保证 A/B 对比的有效性。技术交付物一k6 压测脚本详解以下是文档内置的 k6 脚本它演示了阶梯式负载stages、自定义指标Rate/Trend、阈值断言thresholds和混合读写场景四个关键能力。逐段解读import http from k6/http; import { check, sleep } from k6; import { Rate, Trend } from k6/metrics; // 自定义指标 const errorRate new Rate(errors); const apiDuration new Trend(api_duration); // 测试配置阶梯式负载 export const options { stages: [ { duration: 2m, target: 50 }, // 预热 { duration: 5m, target: 200 }, // 正常负载 { duration: 3m, target: 500 }, // 峰值负载 { duration: 2m, target: 800 }, // 压力测试 { duration: 3m, target: 0 }, // 冷却 ], thresholds: { http_req_duration: [p(95)500, p(99)1000], errors: [rate0.01], // 错误率 1% }, }; const BASE_URL __ENV.BASE_URL || https://api.example.com; export default function () { // 场景 1获取用户列表读操作占 60% 流量 const listResp http.get(${BASE_URL}/api/v1/users?page1, { headers: { Authorization: Bearer ${__ENV.TOKEN} }, tags: { name: GET /users }, }); check(listResp, { list status is 200: (r) r.status 200, list has data: (r) JSON.parse(r.body).data.length 0, }); errorRate.add(listResp.status ! 200); apiDuration.add(listResp.timings.duration); sleep(1); // 场景 2创建资源写操作占 20% 流量 if (Math.random() 0.33) { const createResp http.post( ${BASE_URL}/api/v1/items, JSON.stringify({ name: test-item-${Date.now()}, description: 性能测试数据, }), { headers: { Content-Type: application/json, Authorization: Bearer ${__ENV.TOKEN}, }, tags: { name: POST /items }, } ); check(createResp, { create status is 201: (r) r.status 201, }); errorRate.add(createResp.status ! 201); } sleep(Math.random() * 3); }脚本的设计要点stages阶梯式负载这是文档逐步增加负载找到系统的拐点和极限的代码化表达。预热段2m/50 VU让系统热身正常负载5m/200 VU模拟日常流量峰值3m/500 VU与压力段2m/800 VU逐步加压冷却段3m/0观察系统回落。每段时长与目标并发可依据生产流量特征调整。thresholds阈值断言p(95)500与p(99)1000直接对接只信百分位的纪律errors: [rate0.01]强制错误率低于 1%。阈值即 SLO压测结束时 k6 会直接给出 Pass/Fail 判定天然适合接入 CI。Rate/Trend自定义指标errors记录错误率、api_duration记录单请求耗时分布用于后续分析。混合读写比例通过Math.random() 0.33控制写操作占比约 33% 的迭代会触发 POST配合读操作的sleep(1)和写路径的sleep(Math.random() * 3)模拟真实用户的思考时间还原60% 读 / 20% 写一类生产流量特征文档工作流程中的场景设计一步即要求根据生产流量特征设计测试场景、混合读写比例。__ENV环境变量注入BASE_URL、TOKEN通过环境变量注入避免把密钥和地址硬编码进脚本也便于在不同环境staging/prod间复用同一脚本。版本与环境前提脚本基于 k6 编写报告模板中测试工具一栏标注 k6 v0.48。运行方式为k6 run -e BASE_URLhttps://api.example.com -e TOKENxxx script.jsoptions.stages为 k6 标准配置旧版 k6 请确认版本支持stages语法。文档还提到该智能体具备 JMeter、Locust、wrk 等工具的使用经验实际选型可依据场景轻量 CLI 单机压测用 wrk分布式/复杂脚本用 k6 或 Locust企业级 GUI 与报告生态选 JMeter。技术交付物二性能测试报告模板压测之后必须有标准化的报告。模板如下它同时覆盖了对比证据、瓶颈归因、容量建议三段关键信息# 性能测试报告 ## 测试概要 - **版本**v2.4.0 vs v2.3.0对比测试 - **环境**4C8G x 3 节点PostgreSQL 4C16G - **数据量**用户表 100 万行订单表 500 万行 - **测试工具**k6 v0.48 ## 关键指标对比 | 指标 | v2.3.0 | v2.4.0 | 变化 | |------|--------|--------|------| | QPS 峰值 | 1,200 | 1,850 | 54% | | P50 延迟 | 45ms | 28ms | -38% | | P95 延迟 | 230ms | 95ms | -59% | | P99 延迟 | 890ms | 320ms | -64% | | 错误率 | 0.8% | 0.1% | -87% | | CPU 峰值 | 92% | 68% | -26% | ## 瓶颈分析 v2.3.0 的主要瓶颈数据库慢查询订单列表未命中索引 v2.4.0 的优化添加复合索引 查询改写 ## 容量建议 当前配置可支撑 QPS 1,50080% 水位线。 按月增长 10% 预估3 个月后需要扩容到 5 节点。报告规范要点测试概要必须写全版本号对比测试明确新旧版本、环境规格CPU/内存/节点数、数据库规格、数据量级体现生产级数据量纪律、测试工具及版本。对比表同时给绝对值与变化率QPS、P50/P95/P99、错误率、CPU 峰值——六个维度缺一不可且均给出百分比变化便于管理层与工程师各自读取。瓶颈分析要落实到根因模板示例把问题定位到订单列表未命中索引优化手段对应添加复合索引 查询改写形成问题→根因→手段的闭环。容量建议带水位线与增长模型80% 水位线、按月 10% 增长预估、明确的扩容节点数直接对接容量规划使命。工作流程从基线到优化的四步闭环性能基准师的执行遵循标准四步流程第一步基线测量在当前版本上建立性能基准记录各接口的延迟分布和吞吐量确认测试环境和数据准备就绪。第二步场景设计根据生产流量特征设计测试场景混合读写比例、模拟真实用户行为模式设定性能目标SLA/SLO——对应 k6 脚本中的thresholds。第三步执行与分析运行阶梯式负载测试对应stages配置实时监控系统资源CPU、内存、IO、网络找到拐点和瓶颈。第四步报告与建议输出性能测试报告含对比数据提出优化建议和容量规划关键优化纳入下个 Sprint。四步闭环与 NEXUS 体系的证据高于口说理念一致——每一步的产出基线数据、SLO、压测结果、报告都是后续质量门禁的输入证据。成功指标如何衡量性能保障工作文档给出了五个可量化的成功指标可直接作为团队性能工程的目标核心接口P95 延迟 SLA 要求系统在2 倍峰值流量下仍能正常服务性能回归测试集成到 CI/CD每次发版自动运行性能瓶颈发现到优化闭环 1 个 Sprint容量规划预估误差 20%。这组指标与第 4 阶段门禁性能认证通过 | P95 200ms, 可用性 99.9% | 性能基准师报告互相印证个人层面的P95 达标对应项目层面的性能认证CI/CD 自动运行对应每次发版都要做的事。与团队协作接力与交叉验证性能基准师不是孤立角色。在仓库的协作设计中它的输出会被多方消费与交叉验证性能问题排查链路性能基准师诊断 → 基础设施运维师优化 → DevOps 自动化师部署见 NEXUS 快速上手指南QA 交叉验证第 4 阶段中现实检验者验证性能基准师数据见 第 4 阶段手册性能退化值守运营阶段性能退化场景由性能基准师牵头联动基础设施运维师与后端架构师见 NEXUS 战略纲领开发-测试循环中的 QA 角色性能优化类任务以性能基准师为 QA 智能体见 第 3 阶段手册。在多智能体编排工具如仓库推荐的 agency-orchestrator中你可以直接组合这类链路一句话让性能基准师完成压力测试再自动接力给优化与部署角色形成完整的压测 → 优化 → 验证闭环。延伸阅读完整智能体定义见 性能基准师源文档项目总览见 README.md性能认证在质量门禁中的位置见 第 4 阶段手册 与 NEXUS 战略纲领性能排查快速上手见 NEXUS 快速上手指南多智能体接力模板见 智能体激活提示词。赞分享人工智能AI 技能提示工程【免费下载链接】agency-agents-zh 277 个即插即用的 AI 专家角色 — 支持 Claude Code/Cursor/Copilot 等 20 种工具覆盖工程/设计/营销/金融等 20 个部门。含 64 个中国市场原创智能体小红书/抖音/微信/飞书/钉钉/Qt 上位机/机械设计。搭配编排器 agency-orchestrator一句话即可让多位专家按 DAG 自动协作。项目地址https://gitcode.com/gh_mirrors/ag/agency-agents-zh点击查看免费下载相关推荐agency-agents 性能基准测试 Agent 实战用 k6 构建可量化、可验证的性能工程方法论agency agents 性能基准测试 Agent 实战用 k6 构建可量化、可验证的性能工程方法论 本文以 agency agents https://l人工智能AI AgentAI 技能/插件NGINX Unit性能测试终极指南基准测试、压力测试与容量规划NGINX Unit性能测试终极指南基准测试、压力测试与容量规划 NGINX Unit是一款轻量级且多功能的开源服务器通过原生支持八种编程语言运行时简化应用后端dub性能测试报告dub性能测试报告 测试概述 测试时间 : 2024 01 15 测试环境 : 生产等效环境 测试工具 : k6 v0.45.0 关键指标 | 指标 | 结果后端前端数据分析上一篇如何快速集成iOS MQTT客户端面向开发者的完整指南下一篇Rufus USB启动盘制作从入门到精通的完整指南创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
