SKILLEMALL.ai
GitHub ↗ EN Войти

AC webperf-loading

Интеллектуальный анализ производительности загрузки с автоматизированными рабочими процессами для исследования TTFB (разбивка DNS/соединения/сервера), обнаружения блокирующих рендеринг ресурсов, глубокого анализа производительности скриптов (первоначальные и сторонние источники), оптимизации шрифтов и проверки подсказок ресурсов. Включает деревья решений, которые автоматически анализируют подкомпоненты TTFB при замедлении, обнаруживают антипаттерны загрузки скриптов (конфликты async/defer/preload), идентифицируют блокирующие рендеринг ресурсы и проверяют использование подсказок ресурсов. Предлагает рабочие процессы для полного аудита загрузки (6 фаз), исследования производительности бэкенда и приоритетной оптимизации. Интеграция с другими навыками: Core Web Vitals (загрузка ресурсов LCP), Interaction (блокировка выполнения скриптов) и Media (стратегия ленивой загрузки). Используйте, когда пользователь спрашивает о TTFB, FCP, блокировке рендеринга, медленной загрузке, производительности шрифтов, оптимизации скриптов или подсказках ресурсов. Совместимо с Chrome DevTools MCP.

машинный переводПоказать оригиналСкрыть оригинал«Intelligent loading performance analysis with automated workflows for…»

Intelligent loading performance analysis with automated workflows for TTFB investigation (DNS/connection/server breakdown), render-blocking detection, script performance deep dive (first vs third-party attribution), font optimization, and resource hints validation. Includes decision trees that automatically analyze TTFB sub-parts when slow, detect script loading anti-patterns (async/defer/preload conflicts), identify render-blocking resources, and validate resource hints usage. Features workflows for complete loading audit (6 phases), backend performance investigation, and priority optimization. Cross-skill integration with Core Web Vitals (LCP resource loading), Interaction (script execution blocking), and Media (lazy loading strategy). Use when the user asks about TTFB, FCP, render-blocking, slow loading, font performance, script optimization, or resource hints. Compatible with Chrome DevTools MCP.

ClawHub Agent Skills автор: nucliweb v0.1.0 MIT-0 32 файла тело ≈ 2 514 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Интеллектуальный анализ производительности загрузки с автоматизированными рабочими процессами для исследования TTFB (разбивка DNS/соединения/сервера)…

Как процесс C 59/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки

АнализаторРазработкаИИ и агентыИнфраструктуратип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
A
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
85
Прогон на моделях
не было
Процессный рейтинг
C
59/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
три самых слабых из десяти параметров · все десять

Как улучшить

    Для прогона на моделях — необязательно
    • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
    • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

    Находки guard · 0

    ✓ Критических и высоких находок нет

    Просканировано файлов: 32. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 59/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Ошибки и развилки. Линейный процесс без обработки сбоев
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 115
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 2514 токенов
    • 100Повторный запуск. Изменяющих операций нет

    Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

    Сигналы качества

    • +5В description нет примеров фраз, по которым скилл должен срабатывать
    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +3Длина description 913: рекомендуется 120–800 символов
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +4Нет примеров входа/выхода
    • +2Инструкции на одном языке
    • +4Структура: 27 заголовков
    • +3Пошаговые инструкции: 115 пунктов
    • +4Справочные файлы упоминаются в инструкциях (2 из 2)
    • +3Все 28 скриптов описаны в инструкциях
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 85.

    Внешние проверки

    ClawHub: clean
    This skill is a coherent Chrome DevTools web-performance toolkit, with expected page-inspection behavior and a couple of privacy cautions rather than evidence of harmful activity.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.