Optimize Go Performance With Profiling 今日发布

这是一款面向 AI 编程助手的 Go 性能调优技能，专注于将 profiling 信号映射到具体的优化方案，并用 benchmark 数据验证效果。与泛泛而谈的性能建议不同，该技能强调先有数据再动代码的原则。

技能覆盖的 profiling 工具链包括 pprof、fgprof、trace 和标准 benchmark 模块，能够根据不同信号类型（CPU、内存、GC、延迟）推断根本原因。分配优化部分讲解 slice 复用、map 容量预 sizing、池化策略和底层数组修复；热点路径优化涵盖缓存局部性、内联条件、false sharing 和 SIMD 的 tradeoff。运行时调优讲解 GOMEMLIMIT、GOMAXPROCS 和 profile-guided optimization（PGO）的使用场景。

使用场景： ① 审查慢速 API Handler——判断延迟来源是 Go 代码、数据库调用、网络等待、分配还是 JSON 开销； ② 缓解分配压力——利用堆内存 profile 和 benchmark 对比 slice、map、池化、copy 等策略的实际效果； ③ 优化热点路径——分析 pprof 中 CPU 占比最高的函数，从内联、缓存、分配和算法四方面提出改进； ④ 设计回归检查——制定 benchmark、benchstat 和 Prometheus 监控的组合方案，防止性能退化进入生产。

注意事项：需要 profiling 数据或明确的瓶颈定位才能发挥最大效果；不能替代生产环境负载测试；Go 工具可用性依赖本地项目环境；外部服务、数据库或基础设施瓶颈需要其他技能配合。

安装命令：npx skillstore add samber/golang-performance