developer-performance-instincts (Grade A) logo

developer-performance-instincts (Grade A)أطلق قوة أداء تطوير الويب.

(0)
Daniel Nikulshynمراجعة بواسطة Daniel Nikulshyn·تم التحديث يوليو 2026

نظرة عامة

هذه المهارة ترميز إجراء سلوكي أصلًا متضمّن في deepPrompt لROLE المطور. وهي توفر مجموعة من أفضل الممارسات لتحسين وتصحيح أداء تطبيقات الويب. تنصح المهارة المطورين بالاتبع 'احسب أولاً: لا تخمن الأداء أبداً. انشئ ملف تعريف في الإنتاج أو باستخدام بيانات ممثلة للإنتاج' واستخدام أدوات مثل console.log الوقت و علامة أداء أدوات مطور كروم لتحديد مشاكل الأداء. كما يغطي الوعي بال big-O، مؤكداً على أهمية فهم تعقيد هياكل البيانات والآثار المحتملة للأداء لبعض الخوارزميات. علاوه على ذلك، يتم تزويد الإرشادات حول أداء القاعدة البيانية وتخزين البيانات المؤقتة وأداء الواجهة الأمامية، بما في ذلك Strategies لتحسين خطط الاستعلام، واستخدام الفهارس، وتراكم العمليات، وتحميل المرشحات والمركبات الثقيلة بطريقة متاخرة. تهدف هذه المهارة إلى تشجيع المطورين على اتباع أفضل الممارسات لضمان الأداء الأمثل للتطبيقات الويب وتجنب الفخاخ المحتملة مثل复杂ية O(n²) في الحلقات على بيانات المستخدم أو استفسارات N+1. كما تقدم نصائح حول استخدام مجموعة الاتصال وطبقات التخزين المؤقت وترويسات التخزين المؤقت HTTP لتحسين الأداء وتقليل مشاكل القديمة.

الميزات الرئيسية

  • تحسين الأداء البطيء للواجهة الأمامية
  • تحليل الأداء
  • تحسين أداء الواجهة الخلفية
  • تحسين تجربة المستخدم
  • تحسين استعلامات قاعدة البيانات
  • تحسين أداء الواجهة الخلفية

التسعير

النموذج
Free
التقييم
لا توجد مراجعات بعد

حالات الاستخدام

تحسين أداء التطبيق

استخدم هذا المهارة لتحديد وتوجيه معوقات الأداء في تطبيق ، مما يضمن تجربة مستخدم أفضل.

تحسين استفسارات قواعد البيانات

applyMiddleware إرشادات المهارة المتعلقة بأداء قاعدة البيانات، بما في ذلك التهيئة والتخطيط للاستعلام، لتحسين كفاءة قاعدة البيانات.

تعزيز تجربة واجهة المستخدم الأمامية

استفد من مشورة المهارة حول معايير أداء واجهة المستخدم الأمامية، مثل Largest Contentful Paint و Time to Interactive، لتحسين واجهة المستخدم.

المزايا والعيوب

المزايا

  • القدرة على التحكم في النتائج لتعزيز تجربة المستخدم.
  • تحديد المشاكل واستكشاف الأخطاء وإصلاحها لتحسين الأداء.
  • تكامل سهل مع واجهة برمجة التطبيقات AI Claude.
  • يعزز أداء الواجهة الأمامية ووظائف الواجهة الخلفية.
  • تسهل إتقان تقنيات إدارة قواعد البيانات.
  • قدرات تشخيص الأداء القوية.
  • ضمان مطابقة الأداء وفقا لتصميمات التصميم.
  • قواعد تقييم الأداء لتحسين التصميم.
  • تعزيز واجهة المستخدم وتبسيط تشخيص الأداء.
  • تحسين استعلامات قاعدة البيانات وتطوير الواجهة الخلفية.

العيوب

  • قد يكون مفرط في التفاصيل أو مُرهق لبعض المُطوريين
  • لا يوفر تفاصيل تنفيذ محددة أو أمثلة

المراجعات

سجّل الدخول لكتابة مراجعة.

لا توجد مراجعات بعد. كن الأول!

أسئلة وأجوبة

كتاب سؤال: أي نماذج محلية يجب أن أقدرها؟ وكيف يؤثر hardware على SecureContext؟

SecureContext تعود إلى أداء جيد عند hardware tier - كل طبقة تفتح قفلًا (الوظيفة تتصرف بصمت) بدلاً من كسر ingestion أو البحث. ما يغير عند hardware هو كمية المبنى الذكائي الذي يكون نشطًا: | Level | Hardware | نماذج التي تناسبها | ما الذي ستحصل عليه | |---|---|---|---| | مينيموم | أي CPU ، ~ 2 جيجا رام مجاني | nomic-embed-text (.embeddings only) | Hybrid BM25+vector search ، الذاكرة العمل ، سلسلة التحقق ، شاشات القدرات - النواة. طبقات LLM (استخراج الحوادث ، استخراج المعنويات ، إدانة الصراع) تبقى نائمة. | | مديم | 8 - 16 جيجا (GPU) ( أو Apple Silicon 16 جيجا+) | + qwen2.5-coder:14b أو phi4:14b ( واحد منهم) | + استخراج الحوادث عند ingestion ( الاستدلال الزمني) ، LLM contradiction adjudication ، استخراج المعنويات ، استعراضات ملفية semantics ( L0/L1) | | كمي | 24 جيجا+ GPU (مثلا: RTX 4090/5090) | + phi4:14b و gpt-oss:20b مقيم منهم معًا | كل شئ ، Concurrently ، عند السرعة المتفاعلة - علاوة على ذلك ، جينراتر محلي قوي لل QA/معايير الأداء. هذا هو الإعداد الذي تم قياس التغييرات في المعايير المعنونة علناً عليه. استشرات-ال Choice ملاذي ( جميع المعايير ، انظر : bench /): استخراج النص ( Embeddings ): nomic-embed-text - مطلوب ، صغير ، يعمل في أي مكان. استخراج الحوادث (ZCEVENTEXTRACTMODEL ، default phi4:14b ): حقق أطول مسافة (100 % accuracy / date accuracy) ، يلتف في سرعة مع gpt-oss:20b (2 أضعاف) في اختبار bakeoff. عند GPU أصغر qwen2.5-coder:14b هو بعيد وراءه (84.6 % recall) . النما

Asked by Olamide Fashola · Jan 9, 2026

ما الذي يجب أن أفعل لإطلاقه؟

نود 20 + (والموصى به) دوتشر للمكتل بوسكوال + Ollama . يقوم المشغل الحيد بأي شيء في فترة تتراوح بين خمس دقائق تقريبًا. يتم تنفيذ بديل SQLite بدون إستراتيجية

Asked by Victor Nguyen · Jan 5, 2026

ما إذا كانت العديد من جلسات كلود كود يمكن أن تعمل على نفس المشروع بدون صراعات؟

نعم – يجتمع العاملون في الجلسات المتوازية على التهم من очередь مسار العمل (لا تكرارclaims عند 50 عملائ + 100 tasks في الاختبار)، ويشترطون من خلال البث التyped (ASSIGN/STATUS/MERGE/REJECT)، ويركزون على الذاكرة الفردية للأجهزة + بلبول مشترك. تقبل التسلسل الهيكلي للقسم (رؤساء + العاملين، نسل ترتيبي) للمجموعة الأكبر من الأطراف

Asked by Mateusz Wozniak · Nov 19, 2025

هل مهارات كلود كود آمنة للتثبيت؟

تحزم مهارات Filesystem scripts تقوم بتشغيلها بتصريحاتك ، و لا يقوم محمل كلود كود الأصلي بفحصهم.يقوم SecureContext بДобавление البوابة الناقصة: فحص AST عند القبول وتأكيد HMAC قبل كل تنفيذ والحجر الصحي التلقائي عند الفشل أو التغيير بعد القبول وسجل مسلسلة قابل للتحقق من كل قرار القبول.

Asked by Gabriel Duarte · Nov 18, 2025

هل تختبي SecureContext كودي أو البيانات على السحابة؟

لا. تمتلك SecureContext ذاكرة، والأدلة (Ollama nomic-embed-text)، والميزات (البحوث والتجميع والتقرير)، والجدار الأمني يعمل كله على الوسائط المحلية. يعمل بملء كامل بدون الحاجة إلى الإنترنت (تقلع البحوث إلى البحوث البسيطة بنهج الجمل في حالة توقف Ollama) وبنفس التكلفة $0 عندما يكون قيد الهياج.

Asked by Kwesi Boateng · Nov 16, 2025

اطرح سؤالاً

بدائل لـ المعءريةالمىالثيقاءة

Using Git Worktrees (Grade A) logo
Using Git Worktrees (Grade A)المعءريةالمىالثيقاءة

مهارة data-ai مختبرة الأمان ل Claude AI. الدرجة A. استخدم عند بدء عمل ميزة يحتاج إلى عزلة عن مساحة العمل الحالية أو قبل تنفيذ خطط التنفيذ - ينشئ git worktree منفصل

(0)
Free
Ga4 Bigquery Schema (Grade A) logo
Ga4 Bigquery Schema (Grade A)المعءريةالمىالثيقاءة

مراجع مخطط تصدير بيانات GA4 إلى BigQuery (درجة أ) - خبرة بيانات الذكاء الاصطناعي مع اختبارات الأمان لـ AI كلود - درجة أ.

(0)
Free
Meta Capi (Grade A) logo
Meta Capi (Grade A)المعءريةالمىالثيقاءة

مجموعة مهارات الذكاء الاصطناعي للبيانات والأمان لاختبار Claude AI - درجة ممتازة

(0)
Free
Callees (Grade A) logo
Callees (Grade A)المعءريةالمىالثيقاءة

مهارات تطوير محسنة لتأمين كود Claude AI.

(0)
Free
Test Module Name (Grade A) logo
Test Module Name (Grade A)المعءريةالمىالثيقاءة

مهارة أمان البيانات المدربة لـ Claude AI. درجة A.

(0)
Free
Board Of Directors (Grade A) logo
Board Of Directors (Grade A)المعءريةالمىالثيقاءة

مهارات الذكاء الاصطناعي المدعوم بالبيانات والأخذ بعين الاعتبار الأمان والتشغيل والعمليات والتجربة

(0)
Free
Advpl Mvc Avancado (Grade A) logo
Advpl Mvc Avancado (Grade A)المعءريةالمىالثيقاءة

مهارات تطوير محكمة الأمن لـ Claude AI (درجة A) - Grade A

(0)
Free
D
Docs Writer (Grade A)المعءريةالمىالثيقاءة

مهارة سير العمل للوثائق المصدق عليها (درجة أ) - قوة أمن المعلومات لخالد الذكاء الاصطناعي.

(0)
Free