realkimbarrett/performance-diagnosis
一个用于分析和优化AI Agent性能与资源消耗的诊断工具。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：realkimbarrett/performance-diagnosis。 它的用途是：一个用于分析和优化AI Agent性能与资源消耗的诊断工具。 详细介绍见：https://321skill.com/skills/realkimbarrett-performance-diagnosis/ 请根据该页面的说明完成安装。
使用示例
“分析一下最近客服机器人对话的响应延迟和Token消耗情况。”，它会调用该Skill生成一份诊断报告，指出哪些类型的查询消耗了最多的Token，以及响应时间的分布情况。你可以根据报告优化提示词设计或调整Agent的决策逻辑。
介绍
这个Skill旨在帮助开发者和运维人员解决AI Agent在运行过程中可能出现的性能瓶颈和资源消耗过高的问题。它通过提供详细的运行时诊断数据，帮助用户定位效率低下的环节。
使用方式通常是在Agent的配置中引入该工具，或在特定工作流中调用其诊断功能。它能够监控Token消耗、响应延迟、内存占用等关键指标，并生成可视化的报告。
它非常适合负责开发和维护AI Agent的工程师，尤其是那些关注应用运行成本、响应速度和稳定性的团队成员。当Agent响应变慢、费用异常或需要优化提示词效率时，这个工具能提供关键的数据支持。
建议在开发测试阶段和上线后的常规监控中集成此Skill。注意，它主要提供诊断数据和分析建议，具体的优化调整仍需由开发者根据报告结果手动实施。
核心特点
专注于AI Agent（尤其是基于大语言模型的Agent）的运行时性能诊断，而非通用的系统监控。它能深入分析提示词（Prompt）的Token消耗模式和Agent内部决策链路的效率，这是区别于普通应用性能监控工具的核心。
注意事项
不适合对传统软件或无Agent架构的纯API调用进行深度性能分析。
常见问题
这个工具能帮我降低API调用成本吗？
可以，它通过分析Token消耗和Agent决策路径，帮助你找到优化提示词和减少不必要调用的机会，从而间接降低成本。
它支持哪些AI模型或平台？
主要面向Claude、GPT等主流大语言模型构建的Agent，具体支持范围需查看项目文档的适配说明。