React Native 性能调优助手 Skill 技能
cjharmath-rn-performance
技能简介
cjharmath-rn-performance 是 Skillstore 上专门面向 React Native 应用的性能调优技能。它针对移动端常见的列表卡顿、组件多余渲染、JS 线程阻塞、图片缓存失效等问题,给出可落地的排查路径和优化方案。技能由 CJHarmath 维护,已通过 Skillstore 完整审计,qualityScore 79,支持 Claude、Codex、Claude Code 三类 Agent 调用。
核心能力
- 指导 FlatList 的 keyExtractor、renderItem、getItemLayout 等关键参数稳定化配置
- 在大型或复杂列表场景下评估是否升级到 FlashList,并给出选型判断
- 通过 useMemo、useCallback、React.memo 的精准使用减少组件不必要重渲染
- 优化 Zustand 选择器写法,使用精细化 selector 与 shallow 对比
- 引入 expo-image 缓存、render detection 与 JS 线程任务延后策略
- 提供卡顿、慢渲染、内存增长、UI 冻结的诊断 checklist
- 指导低性能硬件(尤其是低端 Android)上的真机验证流程
安装配置
- 通过 Skillstore CLI 一键安装:
npx skillstore add CJHarmath/rn-performance - 支持 Claude、Codex、Claude Code 三个 Agent,无需额外权限
- 依赖仓库:https://github.com/CJHarmath/claude-agents-skills/tree/main/skills/rn-performance
- 风险因素 external_commands 已在 Skillstore 安全审计中评估为 false positive
- 安装后无需重启项目,直接在 Agent 对话中引用技能名即可触发
使用步骤
- 在 Agent 对话中加载 cjharmath-rn-performance 技能
- 提供存在性能问题的 React Native 屏幕或组件代码片段
- 让 Agent 按 checklist 顺序排查:稳定 keys → renderItem → getItemLayout → inline 回调 → 组件拆分
- 对发现的高开销渲染路径,建议加入 useMemo/useCallback/React.memo 等优化
- 对状态管理组件,调用 Zustand selector 优化模板并做 shallow 对比验证
- 图片资源改用 expo-image 并配置缓存、placeholder、过渡时长
- 在低端真机上用 React DevTools Profiler 验证优化效果
适用场景
- 修复电商、社交、新闻类信息流的 FlatList 卡顿与掉帧
- 重构旧 React Native 项目时系统性排查性能债务
- 评估是否需要迁移到 FlashList 以应对大数据量列表
- 优化 Zustand 全局状态引起的连锁渲染
- 图片列表加载慢、白屏、闪烁问题的归因与修复
- 上线前对 RN 模块做一次性能 review 与真机回归
适用人群
- 移动端 React Native 开发工程师
- 跨端架构师与性能 owner
- 负责 RN 项目性能基线与回归测试的 Tech Lead
- 正在从 Web React 转入 React Native 的工程师
工作原理
技能通过预置的 prompt 模板与 checklist,引导 Agent 对 RN 代码做按层级的性能诊断:列表层(key/布局/虚拟化)、渲染层(memo 与 state 隔离)、状态层(Zustand selector)、资源层(图片缓存与 JS 线程占用),最终输出可执行的优化建议与真机验证方法。所有模板均经过 Skillstore 静态扫描与人工复核,无 prompt 注入风险。
官方链接
- Skillstore 页面:https://skillstore.io/skills/cjharmath-rn-performance
- GitHub 仓库:https://github.com/CJHarmath/claude-agents-skills/tree/main/skills/rn-performance
- Manifest:https://skillstore.io/api/skills/cjharmath-rn-performance/manifest
- 安装命令:
npx skillstore add CJHarmath/rn-performance
团队信息
AI产品库
官方
由 AI 猎手自动发现
评论与建议
登录 后参与评论或提建议