蔡雪建-大前端性能优化新范式：AI 火焰图在亿级 App 中的落地.pdf

《蔡雪建-大前端性能优化新范式：AI 火焰图在亿级 App 中的落地.pdf》由会员分享，可在线阅读，更多相关《蔡雪建-大前端性能优化新范式：AI 火焰图在亿级 App 中的落地.pdf（35页珍藏版）》请在三个皮匠报告上搜索。

1、大前端性能优化新范式 AI火焰图在亿级App中的落地蔡雪建快手/大前端性能负责人目录01为什么需要AI分析火焰图?02FlameEye的AI技术实现03FlameEye的AI评测体系总结和展望04为什么需要AI分析火焰图？背景背景：快手性能发展历程2020基础可观测、可归因聚焦全局视角基础化2022指标体系：全页面、全指标覆盖评价体系：优平比 健康度归因体系：指标归因 成因归因优化体系：全方位专项治理体系化2025AI First x 性能以 AI 为先，优化现有流程，提升局部效率智能化（Agent）2026AI Native x 性能为 AI 而生，重构研发体系，释放系统价值智能化（Agen

2、tic）背景：大前端火焰图的“巴别塔”问题前端火焰图Android火焰图iOS火焰图鸿蒙火焰图自研火焰图分析门槛火焰图分析高度依赖专家经验，新人难以快速上手分析效率海量Trace 需人工逐层分析，过程耗时耗力分析孤岛火焰图分析专家有限，难以规模化支撑业务需求分析覆盖人工分析容易遗漏问题，导致优化不彻底背景：大前端火焰图分析的挑战1支持大前端的全部性能分析维度(启动、卡顿、功耗.)，并打通各平台，实现发现、分析、解决全环节的AI自主化建设Agent一站式分析火焰图2可选择火焰图的局部片段进行对话分析，或基于一键分析结果进行更深入的分析Agent对话分析火焰图3支持批量火焰图分析，找出共性问题或版

3、本间劣化问题Agent批量火焰图分析背景：FlameEye介绍从专家经验到工程科学FlameEye的AI技术实现FlameEye：设计理念抓取火焰图专家分析产出分析报告业务解决过去过去 HumanHuman I In n T Thehe LoopLoop现在现在 HumanHuman OnOn T Thehe LoopLoop自动抓取自动分析自动解决 监督者上传产出FlameEye：拆解思路解决问题解决问题分析问题分析问题发现问题发现问题基于沙盒进行性能优化、性能验证，并在优化完成后自主创建Merge Request沙盒式问题解决全面打通线上监控平台、线下拦截工具，并赋能开发者一键智能抓取无死

4、角问题发现多平台、多维度路由分析 指标级、成因级、源码级协调分析专家级问题分析性能优化全流程FlameEye：发现问题-有哪些场景？发现问题线上线下优化全面打通线上平台全面打通线上平台KeepHyperRadar全面覆盖全面覆盖线下工具线下工具DevToolsAppLabOpenClawOpenClaw智能抓取智能抓取adb-skillskuaishou-uri-skills发出指令抓取Trace返回Trace智能分析FlameEye：发现问题-全面打通FlameEye：分析问题-整体思路火焰图LLM数据库编排者LLM专家策略自进化LLM专家策略自进化Agent群路由 1 NMCP汇总调用结果

5、返回合成者SkillsLLM返回多份场景合成记忆系统FlameEye：分析问题-编排者FlameEye：分析问题-Agent群有火焰图数据库、分析场景，AI能否自主完成分析？FlameEye：分析问题-Agent群以以页面启动页面启动为例为例分析起点、结束点是哪里？分析的关键链路是什么？涉及的巨量上下文怎么处理？FlameEye：分析问题-Agent群规则引擎规则引擎界定问题界定问题性能监控性能监控组织上下文组织上下文过滤界外无效信息识别界内关键信息分割界内关键信息压缩上下文压缩上下文相同Slice聚合大模型引擎大模型引擎PromptPrompt系统提示词用户输入SkillsSkillsPer

6、fettoLogPerf-domainKRAGKRAG专家经验、历史案例MemoryMemory分析记录、历史会话场景火焰图UseResultUseResult分析结论“双引擎”驱动：规则引擎致力于领域划分、聚焦上下文，大模型引擎致力于垂直领域经验FlameEye：分析问题-最后一公里Step1Step1基于火焰图识别性能问题性能现象Step2Step2基于火焰图Slice映射代码位置代码定位Step3Step3结合函数和调用链，理解代码语义代码理解Step4Step4结合代码逻辑判断根因和可做功空间根因分析FlameEye：分析问题-最后一公里深度结合