核心用法
本skill是Go性能测量的完整工具链，覆盖基准测试编写、执行、剖析到回归检测的全流程：
基准测试编写：Go 1.24+优先使用b.Loop()，自动排除setup时间并防止编译器优化消除测试代码；支持内存跟踪（b.ReportAllocs()）和自定义指标（b.ReportMetric()）；表驱动子基准测试便于多场景对比。
执行与采样：通过-benchmem -count=10 -benchtime=3s等flag获取统计显著结果；支持CPU/Memory/Trace三类profile直接采集，无需HTTP服务。
统计对比：集成benchstat进行严格的统计检验，输出p-value和置信区间，拒绝"单次跑分幸运"；建议在commit中粘贴对比结果作为性能变更的证据。
持续监控：支持CI集成（benchdiff/cob/gobenchdata），结合Prometheus运行时指标验证生产环境性能。
显著优点
- 方法论严谨：强制多次运行+统计检验，杜绝"感觉快了"的主观优化
- 版本适配：覆盖Go 1.24新特性（b.Loop）到旧版本兼容策略
- 工具链完整：从本地开发到CI流水线，从微观剖析到宏观趋势
- 可审计性：commit中嵌入benchstat结果，建立性能决策的可追溯链条
潜在局限
- 环境敏感：云CI存在5-10%噪声波动，需自托管runner或阈值调优
- 学习曲线：pprof火焰图、benchstat统计解读需要一定经验
- 非优化指南：仅提供"测量"，具体优化方案需配合
golang-performanceskill
适合人群
- 需要量化优化收益的Go后端开发者
- 负责性能回归防护的CI维护者
- 排查生产性能异常（pprof+Prometheus联动）的SRE
常规风险
- 误读单次结果：未使用
-count和benchstat即下结论 - 编译器干扰：旧版
b.N循环中结果未被使用导致DCE优化 - 环境噪声：忽略CPU频率缩放、背景进程对基准的影响
- 过度优化：测量精度高不等于业务价值大，需结合真实负载