# 优化建议输出Skill

> Skill

- Skill: `sky-cube/skill-44` (Agent Skill)
- Install (CLI): `npx skillmds@latest add sky-cube/skill-44`
- Raw SKILL.md: https://api.skillmd.com/api/skills/sky-cube/skill-44/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: Sky-Cube (https://skillmd.com/u/sky-cube)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/sky-cube/skill-44

---

# 优化建议输出Skill

## 适用场景
性能调优环节,基于瓶颈分析的实测结论,输出结构化调优建议清单并附验证方案。

## 执行步骤
1. 输入确认:获取瓶颈分析结论(瓶颈层、证据链、量化指标),无实测证据不输出建议。
2. 逐条生成建议,每项四要素齐全:
   - 措施:具体可执行的动作(如「为 order 表 user_id+status 建联合索引」),禁止「优化一下性能」式空话。
   - 预期收益:量化预估(如「P99 预计从 800ms 降至 200ms」)并标注预估依据。
   - 改动成本:开发工作量、测试工作量、涉及模块与回归范围。
   - 风险:对现有功能的影响面、回滚难度、引入新问题的可能。
3. 排序:按收益/成本比排序,标注推荐实施顺序(先做高收益低成本项)。
4. 输出:调优建议清单 + 每项建议的验证方案。

## 规范要点
- 建议必须基于实测证据(压测数据、监控、慢查询日志),禁止凭空推测原因与收益。
- 预期收益标注为「预估」,实施后必须实测验证;实测结果如实呈现,达不到预估必须如实记录并分析偏差。
- 措施/收益/成本/风险四要素缺一不可,缺要素的建议不输出。
- 验证方案可执行:写明改后如何量化对比(同场景同口径压测/监控对比),保证收益可证伪。
- 涉及生产风险的改动(索引变更、参数调整、缓存策略切换)需标注灰度方案与回滚手段。
- 具体技术参数的适用性(如连接池大小取值)以官方文档与实测为准。

## 输出模板
```
## 调优建议清单
| # | 措施 | 预期收益(预估) | 改动成本 | 风险 | 推荐顺序 |
## 验证方案(每项建议的实测对比方法)
## 实施后实测结果(收益达成情况)
```

## 自检清单
- [ ] 每项建议四要素齐全
- [ ] 收益有量化预估与依据
- [ ] 有可执行的验证方案
- [ ] 按收益成本比排序
- [ ] 高风险项有灰度/回滚说明