核心功能
本技能专注于前端性能优化的全链路诊断与改进，围绕加载性能（LCP/FCP/TTI）和运行性能（CLS/卡顿）两大维度，提供从现状量化、瓶颈定位到落地执行的完整方法论。
显著优点
1. 结构化分析框架：将复杂性能问题拆解为加载、体验稳定性、资源打包三大维度，每个维度配套「问题-原因-方案」对照表，降低诊断门槛。
2. 性价比驱动的优先级排序：独创「收益-成本-优先级」评估模型，避免盲目优化，确保资源投入产出最大化。
3. 多场景覆盖：既支持 Lighthouse/Performance 等工具报告解读，也支持主观体感描述的问题排查，适配不同技术深度的用户。
4. 框架级最佳实践：内置 Next.js、React 等主流框架的具体优化手段（如 dynamic 懒加载、Image 组件、虚拟列表选型），减少方案落地时的技术调研成本。
潜在局限
1. 工具链依赖：部分深度分析需依赖 Chrome DevTools、Lighthouse 等外部工具，技能本身不直接执行数据采集。
2. 服务端性能边界：主要聚焦前端侧优化，服务端响应慢（TTFB 差）等问题仅能给出方向性建议，无法深入服务端调优。
3. 业务场景抽象：针对复杂业务逻辑导致的性能问题（如大数据计算、复杂状态管理），需结合具体代码进一步分析。
适合人群
- 前端开发工程师遇到首屏慢、页面卡顿、包体积过大等具体问题
- 技术负责人需要制定性能优化 roadmap 与资源分配策略
- 对 Core Web Vitals 指标有优化需求的 SEO/性能专项团队
常规风险
- 过度优化风险：盲目追求极致指标可能引入代码复杂度，需权衡用户体验与维护成本
- 测试环境偏差：本地 Lighthouse 分数与真实用户环境（RUM）可能存在差异，建议结合真实数据验证
- 框架版本差异：部分优化手段（如 Next.js Image）在不同版本行为可能变化，需确认版本兼容性