Perf-Hints Skill 技能

技能简介

Perf-Hints 是一个面向 Claude Code 的工程智慧插件，把 Google 的工程实践整理成模型可以直接调用的知识包。它的内容源自 Jeff Dean 与 Sanjay Ghemawat 那篇被广泛转载的《Performance Hints》（abseil.io/fast/hints.html），并把同一来源的《Fast Tips》25 篇性能文章、《Software Engineering at Google》SWE Book 与通用 C++ 原则一并收拢进来。仓库采用 MIT 协议，是一个语言无关（language-agnostic）的技能实现——它不绑定 Java、C++ 或 Go 中的任何一种。

核心能力

插件提供五类主题知识：性能优化（背囊估算、profiling、内存）、代码评审（实践与检查清单）、测试（策略与原则）、API 设计（面向性能的接口）、以及规模化改造（大规模变更与迁移）。它不是把一篇长文章塞进上下文，而是按任务类型路由到不同的参考文件：估算对应 when-estimating.md，性能测量对应 when-measuring-performance.md，内存优化对应 when-optimizing-memory.md，性能问题排查对应 when-debugging-perf.md，代码评审对应 when-reviewing-code.md，写测试对应 when-writing-tests.md，设计 API 对应 when-designing-apis.md，规模化改造对应 when-scaling.md，另有一份 index.md 作为总索引。

安装与使用

安装方式是两条命令：先 /plugin marketplace add areu01or00/perf-hints 加入插件市场，再 /plugin install perf 完成安装。使用时直接执行 /perf，或者带上路径 /perf backend/api/ 指定要优化的目录或文件。此外它还支持自然语言自动触发，比如"优化这段代码""让它更快""为什么这么慢""评审一下这段代码""写测试""设计一个 API"。

七阶段优化工作流

/perf 命令背后是一条完整的七阶段流程：先界定范围（Scoping），明确要优化什么；再进入分析（Analysis），启动 perf-analyzer 智能体做背囊估算与瓶颈识别；接着由澄清问题（Clarifying Questions）阶段消除歧义，避免在错误前提上动手；然后是修复优先级排序（Fix Prioritization），按投资回报率给待修项排序；之后实施（Implementation）落地修改；验证（Validation）阶段启动 perf-reviewer 智能体检查修复的正确性；最后输出总结（Summary）记录改动。整体逻辑与 Jeff Dean 在 YC Startup School 2026 对话中描述的做法一致——先跑基准测试看现状，改代码，再跑测试看是否提升，没有提升就换方向继续迭代。

组件构成与适用人群

插件由四部分组成：/perf 命令负责七阶段工作流，perf-analyzer 智能体负责估算与瓶颈检测，perf-reviewer 智能体负责修复后的正确性校验，performance-hints 技能负责承载哲学与参考路由。适合对性能优化有工程经验、但希望在 AI 编程助手里把这套方法论固化成可复用流程的开发者。

为什么值得关注

这份插件的来历值得说明：Jeff Dean 在 YC Startup School 2026 的对话中提到，他与长期搭档 Sanjay 曾写过一个教模型做性能优化的 skill——先跑基准测试看当前性能，改完代码再跑测试看有没有提升，有就继续迭代，没有就换个方向再试——随后又把两人的工作方法整理成公开的《Performance Hints》文档，表示"任何人都可以拿去喂给模型"。Perf-Hints 正是把这套思路做成了可安装的插件形态：把一次性的提示词，固化成可重复、可路由、可审计的工程流程。

上手提醒

需要说明的是，该仓库较新（2025 年底创建），GitHub 星标目前为个位数，属于"内容扎实但社区体量尚小"的类型。安装前建议先在目标代码库的小范围内验证效果，再决定是否纳入日常开发流。