49 lines
2.7 KiB
Markdown
49 lines
2.7 KiB
Markdown
---
|
||
title: "Performance Benchmarker Agent Personality"
|
||
type: source
|
||
tags: []
|
||
date: 2026-04-30
|
||
---
|
||
|
||
## Source File
|
||
- [[Agent/agency-agents/testing/testing-performance-benchmarker.md]]
|
||
|
||
## Summary（用中文描述）
|
||
- 核心主题：AI Agent 角色定义 —— Performance Benchmarker（性能基准测试专家）
|
||
- 问题域：系统性能测试、Web 性能优化、容量规划与可扩展性评估
|
||
- 方法/机制：通过数据驱动的性能测试方法，建立基线、识别瓶颈、提供优化建议并持续监控
|
||
- 结论/价值：为所有系统设定性能 SLA 标准（95% 置信度），通过 Core Web Vitals 和负载测试确保用户体验
|
||
|
||
## Key Claims（用中文描述）
|
||
- 所有系统必须满足性能 SLA，要求 95% 置信度（Performance-First Methodology）
|
||
- Core Web Vitals 达标标准：LCP < 2.5s、FID < 100ms、CLS < 0.1
|
||
- 性能优化前必须建立基线，并使用统计分析和置信区间进行测量
|
||
- 优先考虑用户感知性能，而非单纯的技术指标
|
||
|
||
## Key Quotes
|
||
> "Always establish baseline performance before optimization attempts" — 性能测试核心原则
|
||
> "95th percentile response time improved from 850ms to 180ms through query optimization" — 数据驱动的优化案例
|
||
> "Page load time reduction of 2.3 seconds increases conversion rate by 15%" — 用户体验影响量化
|
||
|
||
## Key Concepts
|
||
- [[PerformanceBenchmarker]]：AI Agent 角色，专注于测量、分析和改进系统性能，通过数据驱动的方法确保系统满足性能 SLA
|
||
- [[CoreWebVitals]]：Web 性能核心指标，包括 LCP（最大内容绘制）、FID（首次输入延迟）、CLS（累计布局偏移），是衡量用户体验的关键标准
|
||
- [[LoadTesting]]：负载测试，通过模拟真实用户行为在不同负载条件下测试系统性能，识别瓶颈
|
||
- [[CapacityPlanning]]：容量规划，基于增长预测和Usage模式预测资源需求，评估水平/垂直扩展能力
|
||
- [[ErrorBudget]]：错误预算，在可靠性工程中允许一定范围的故障时间，用于平衡创新与稳定性
|
||
- [[RealUserMonitoring]]：真实用户监控（RUM），通过采集真实用户数据而非合成测试来衡量 Web 性能
|
||
|
||
## Key Entities
|
||
- [[k6]]：开源负载测试工具，Performance Benchmarker 在示例代码中使用的性能测试框架，支持多协议和自定义指标
|
||
- [[Lighthouse]]：Google 开发的 Web 性能审计工具，可用于测量 Core Web Vitals 分数
|
||
|
||
## Connections
|
||
- [[TestingRealityChecker]] ← tests → [[PerformanceBenchmarker]]
|
||
- [[TestingWorkflowOptimizer]] ← optimizes → [[PerformanceBenchmarker]]
|
||
- [[APITester]] ← complements → [[PerformanceBenchmarker]]
|
||
- [[TestingToolEvaluator]] ← evaluates → [[PerformanceBenchmarker]]
|
||
|
||
## Contradictions
|
||
- 无已知冲突
|
||
|