Optimize Go Performance with Profiling 今日发布

这是一款面向 AI 编程助手的 Go 程序性能调优技能，帮助开发者在没有明确数据依据的情况下，系统地定位和解决 Go 服务的性能瓶颈。

技能围绕 pprof 工具展开，覆盖 CPU、堆内存、分配三个维度的 profiling 方案。内置对 Go runtime 包的程序化调用示例，能够指导 AI 在真实项目中埋点采集数据。分配缩减部分详细讲解了预分配切片、strings.Builder、copy 用法、sync.Pool 池化等常见手段，并配以转义分析命令说明哪些代码会引发堆分配。并发调优涵盖 worker pool 设计、buffered channel 用法、锁分片策略、sync.Map tradeoff 分析，并给出 benchmark 模式用于对比不同实现的耗时和内存占用。

使用场景： ① 诊断慢速 API 路径——制定 CPU + 内存 profiling 计划，找出真正的热点函数； ② 降低内存压力——识别高分配代码段，选择保留可读性的优化方案并用 benchmark 验证效果； ③ 优化并发结构——分析 worker pool 和锁竞争风险，给出量化的改进建议； ④ 解读 benchmark 结果——对比不同实现方案的性能数据，提出下一个优化实验方向。

注意事项：技能提供的是指导和示例，不会自行运行 benchmark；所有优化建议需要结合实际负载和真实 profiling 数据验证；示例假设使用标准 Go 工具链。

安装命令：npx skillstore add joseph obrien/89jobrien-golang-performance