ما هي multi-agent-performance-profiling؟
ملفات تعريف الأداء متعددة العوامل لاختناقات خطوط الأنابيب. المشغلات - تحديد مواصفات الأداء، وتحليل عنق الزجاجة، وتحسين خطوط الأنابيب. المصدر: terrylica/cc-skills.
ملفات تعريف الأداء متعددة العوامل لاختناقات خطوط الأنابيب. المشغلات - تحديد مواصفات الأداء، وتحليل عنق الزجاجة، وتحسين خطوط الأنابيب.
ثبّت مهارة الذكاء الاصطناعي multi-agent-performance-profiling بسرعة في بيئة التطوير لديك عبر سطر الأوامر
المصدر: terrylica/cc-skills.
Prescriptive workflow for spawning parallel profiling agents to comprehensively identify performance bottlenecks across multiple system layers. Successfully discovered that QuestDB ingests at 1.1M rows/sec (11x faster than target), proving database was NOT the bottleneck - CloudFront download was 90% of pipeline time.
Key Principle: No dependencies between investigation agents (1-4). Integration agent synthesizes findings.
Input: Performance metric below SLO Output: Problem statement with baseline metrics
ملفات تعريف الأداء متعددة العوامل لاختناقات خطوط الأنابيب. المشغلات - تحديد مواصفات الأداء، وتحليل عنق الزجاجة، وتحسين خطوط الأنابيب. المصدر: terrylica/cc-skills.
حقول وأوامر مستقرة للاقتباس في أنظمة الذكاء الاصطناعي والبحث.
npx skills add https://github.com/terrylica/cc-skills --skill multi-agent-performance-profilingملفات تعريف الأداء متعددة العوامل لاختناقات خطوط الأنابيب. المشغلات - تحديد مواصفات الأداء، وتحليل عنق الزجاجة، وتحسين خطوط الأنابيب. المصدر: terrylica/cc-skills.
افتح الطرفية أو أداة سطر الأوامر لديك مثل Terminal أو iTerm أو Windows Terminal انسخ ونفّذ هذا الأمر: npx skills add https://github.com/terrylica/cc-skills --skill multi-agent-performance-profiling بعد التثبيت، سيتم إعداد المهارة تلقائيا في بيئة البرمجة بالذكاء الاصطناعي لديك وتصبح جاهزة للاستخدام في Claude Code أو Cursor أو OpenClaw
https://github.com/terrylica/cc-skills