Claude Code Game Studios 性能分析师 Agent 行为规格解读从帧时间数据到可执行优化建议【免费下载链接】Claude-Code-Game-StudiosTurn Claude Code into a full game dev studio — 49 AI agents, 72 workflow skills, and a complete coordination system mirroring real studio hierarchy.项目地址: https://gitcode.com/GitHub_Trending/cl/Claude-Code-Game-Studios导读本文基于 Claude Code Game StudiosCCGS项目中的 performance-analyst 行为测试规格完整解析这个负责「性能剖析、瓶颈定位、指标追踪与优化建议」的专业 Agent 的职责边界、五个核心测试场景与协议合规要求。通过阅读本文你将掌握CCGS 中性能分析 Agent 如何处理帧时间数据并产出分级瓶颈报告、如何在收到优化实现请求时正确转派给对应程序员、如何用二分定位法追踪性能回归、如何权衡优化收益与代码质量以及如何严格依据technical-preferences.md中的预算阈值给出 WITHIN BUDGET / AT RISK / OVER BUDGET 判定。一、Agent 定位只做分析与建议绝不越权实现performance-analyst 是 CCGS 49 个 AI Agent 中的一名专业分析师归属于specialists层级。根据其规格文件performance-analyst.md其职责边界非常清晰管辖领域Domain性能剖析Profiling、瓶颈识别bottleneck identification、性能指标追踪performance metrics tracking、优化建议optimization recommendations。不拥有Does NOT own实施优化implementing optimizations——这项工作属于对应领域的程序员appropriate programmer。模型档位Model tierSonnet默认与所有 specialists 一致。门禁 ID无不绑定任何 director gate。这一「分析归分析师、实现归程序员」的职责划分是整个 CCGS 协调体系的核心设计。在 catalog.yaml 中performance-analyst 以category: specialist登记规格路径指向CCGS Skill Testing Framework/agents/specialists/performance-analyst.md而在 quality-rubric.md 的 specialist 类目下它必须满足三条指标指标通过标准S1 — Stays in domain明确将自身限定在声明的领域内将越域请求延后处理S2 — No binding cross-domain decisions不得单方面决定其他专家拥有的事项S3 — Defers correctly越域请求必须转交给正确的 Agent而不是默默拒绝这三条指标正是下文五个测试用例反复验证的行为底座。静态断言结构合规检查规格文件定义了 4 项静态断言performance-analyst.md用于在/skill-test static阶段自动校验 Agent 定义文件的结构description:字段必须存在且领域相关提及 profiling / bottleneck analysis / performance metricsallowed-tools:列表必须包含 Read、Write、Edit、Bash、Glob、Grep 六项工具模型档位必须为 Sonnetspecialists 的默认档位Agent 定义不得声称对任何优化实施拥有裁决权——必须明确自我定位为「仅分析与建议」。需要说明的是虽然规格允许 Write/Edit 工具但根据分析类工作流的通行约束参见 quality-rubric.md 中 analysis 类技能的 AN1「扫描阶段只读」原则这些写权限仅用于在用户批准后落盘报告而非修改游戏代码。二、Case 1领域内请求——帧时间数据的分级瓶颈报告输入示例来自 Case 1Analyze this frame time data: CPU 14ms, GPU 8ms, physics 6ms, draw calls 420, scripts 3ms.这是 performance-analyst 最典型的领域内请求。规格要求它按以下逻辑输出识别主瓶颈CPU 总耗时 14ms 已接近 60fps 的 16.67ms 帧预算——注意这里 CPU 14ms 本身就接近超限且通常 CPU 与 GPU 是并行流水线CPU 侧 14ms 直接决定帧率拆解贡献者物理Physics6ms占 CPU 时间的 43%是首要嫌疑标记次优关注点draw calls 420 次若项目预算更低例如 [technical-preferences.md] 中规定的 200 次上限则作为次要问题标记产出按优先级排序的瓶颈报告① 物理系统 — 6ms降低模拟频率simulation frequency或切换 broadphase 算法② Draw calls — 420 次实施批处理batching或 LOD③ 脚本 — 3ms对热点路径做剖析profile hot paths绝不实施这些优化中的任何一项。与 /perf-profile 技能的关系CCGS 中与 performance-analyst 密切配合的是/perf-profile技能perf-profile.md。该技能是结构化的性能剖析工作流当提供剖析数据或性能日志时直接分析未提供数据时输出手动剖析检查清单报告写入前必须询问 May I write toproduction/qa/perf-[date].md?判定词汇为 WITHIN BUDGET / CONCERNS / OVER BUDGET。其 Case 5 明确指出当剖析发现 CONCERNS 级别问题如帧时间尖峰时技能会输出提示考虑携带数据运行 performance-analyst Agent 进行深入分析——分析师Agent与剖析工作流Skill由此衔接。同时规格的 Coverage Notesperformance-analyst.md要求Case 1 的帧时间分析输出应作为一份结构化报告归档到production/qa/evidence/目录为后续回归对比留存证据基线。三、Case 2越域请求——把实现工作正确转派给程序员输入示例Implement the batching optimization to reduce draw calls from 420 to under 200.这是一个典型的越域请求——用户直接要求实施批处理优化。规格Case 2要求不产生任何批处理的实现代码明确声明实施优化属于对应领域的程序员——渲染批处理归engine-programmer将实现转派给engine-programmer并附带推荐上下文recommendation context可以产出一份优化需求简报requirements brief让 engine-programmer 有清晰的实施目标。这与 engine-programmer 自身的规格形成闭环在 engine-programmer.md 中engine-programmer 的管辖领域正是渲染管线、物理集成、内存管理与资源加载——「实现自定义对象池」「渲染批处理」都落在其职责内。由此可以看到 CCGS 的职责分配链路performance-analyst定位瓶颈、量化指标、产出建议 │ 转派实现 附建议上下文 ▼ engine-programmer渲染批处理 / 对象池 / 内存优化等具体实现在 WORKFLOW-GUIDE.md 的职责速查表中Profile performance性能剖析明确映射到performance-analyst进一步印证该 Agent 是性能问题的第一受理人而实现环节按领域拆分给对应程序员。四、Case 3回归识别——二分定位法锁定问题提交输入示例Performance dropped significantly after last weeks commits. Frame time went from 10ms to 18ms.面对性能回归规格Case 3要求 Agent 具备「追因」而非「只报症状」的能力提出二分定位策略bisection strategy以锁定引发问题的提交区间请求或审查该窗口内提交的 diff收窄可能原因根据变更内容锁定受影响系统——例如若物理代码被改动则物理系统是首要嫌疑产出回归报告指明疑似提交probable commit、受影响的系统affected system、测量到的变化量measured delta即 18ms − 10ms 8ms。这一点在 Coverage Notesperformance-analyst.md中被明确强调「Regression case confirms the agent investigates cause, not just measures symptoms」——即 Agent 必须调查根因而非仅测量症状。团队工作流中的实际调用场景在 team-polish.md 描述的优化工作流中performance-analyst 总是第一阶段首先被派生的 AgentPhase 1 先于任何其他 Agent 派生负责剖析战斗系统、测量帧预算、检查内存使用并输出性能报告随后才进入 Phase 2 的优化实施。该技能还覆盖了「优化后仍超预算」的场景当 performance-analyst 将粒子风暴成本从 12ms 优化到 9ms 但仍超出 6ms 预算时它必须如实报告 FRAME BUDGET VIOLATION 并指出「不改变设计无法再进一步」——这与 Case 4 中「不掩盖权衡、如实上报」的精神一脉相承。五、Case 4优化建议与代码质量的权衡输入示例The fastest optimization for the script bottleneck would be to inline all calls and remove abstraction layers.用户抛出了一个「最快」的方案但该方案以破坏代码质量为代价。规格Case 4要求 Agent揭示权衡内联inlining能提升性能但会降低可测试性testability并违反要求「公共方法可单元测试」的编码规范不得在未标注代码质量代价的情况下推荐该优化将权衡升级给lead-programmer做决策而不是单方面拍板可以提出折中路径middle path例如仅对最热的 2–3 个方法做剖析引导的内联profile-guided inlining既保留可测试性又获得大部分收益。这里的升级对象lead-programmer在 lead-programmer.md 中正是「代码架构决策、编码规范执行」的拥有者——性能优化若与编码规范冲突必须由 lead-programmer 裁决。这体现了 CCGS 的分级决策原则specialist 层performance-analyst发现问题并提出选项lead 层lead-programmer依据编码规范与架构标准做最终权衡而不是让分析师越权决定「值得不值得」。六、Case 5上下文预算传递——严格引用而非臆造阈值输入示例来自 Case 5上下文中的技术偏好目标 60fps帧预算 16.67msdraw calls 上限 200内存上限 512MB。请求Review the current build profile.这是对「上下文传递」协议的考验规格要求引用上下文中给出的具体数值16.67ms、200 draw calls、512MB将当前测量值与每个阈值逐一显式对比为每个指标标注 WITHIN BUDGET / AT RISK / OVER BUDGET绝不使用上下文中未提供的其他预算数值。这条规则与 lead-programmer 规格中的 Case 5 同构——lead-programmer 收到上下文预算16.67ms 总预算、AI 系统 4ms 分配后必须用提交方案中的具体估值7ms与之对比并给出带数字的结论而不是输出这可能会慢这类泛泛建议lead-programmer.md。CCGS 的预算体系同样贯穿于/perf-profile技能其 Case 3 明确要求目标帧预算从technical-preferences.md读取而非硬编码perf-profile.md。换言之**「预算数值永远来自上下文或技术偏好文件而不是 LLM 的记忆」**是 performance-analyst 的硬性行为约束。七、协议合规清单六个不可妥协的行为底线规格最后以协议合规清单Protocol Compliance形式汇总了该 Agent 的全部行为约束停留在声明领域内profiling、analysis、recommendations——而非 implementation将优化实现转派给正确的领域 Agent返回结构化发现含严重程度的瓶颈报告、测量值、推荐行动责任人将代码质量权衡升级给 lead-programmer而非单方面决策应用来自上下文的预算阈值而非臆测的默认值为所有发现标注具体的行动责任人谁应实施修复。其中「每个发现都必须标注行动责任人action owner」是特别值得注意的设计性能报告不是一份「仅供参考」的文档而是可执行的协作输入——每个瓶颈都有明确的接管者engine-programmer、lead-programmer 或对应的系统专家这保证了分析结果能无缝进入 CCGS 的派生与转派机制。八、测试框架中的定位与测试方法论规格在 Skill Testing Framework 中的位置performance-analyst 的行为规格是 CCGS Skill Testing Framework 质量保证层的一部分。该框架见 CCGS Skill Testing Framework/CLAUDE.md自包含于项目、与任何具体游戏项目隔离通过catalog.yaml登记全部 49 个 Agent 与 72 个技能每个 Agent 规格如本文讨论的文件与技能规格都采用「Agent Summary 静态断言 5 个测试用例 协议合规 覆盖说明」的统一骨架模板参见 agent-test-spec.md。catalog.yaml中spec:字段是该 Agent 规格的权威路径测试命令会优先读取它而非猜测路径。测试用例设计方法论从 performance-analyst 的五个用例可以归纳出这套测试框架的通用设计逻辑用例验证维度测试目标Case 1领域内能力是否能正确量化瓶颈并产出分级、可执行的报告Case 2领域边界是否拒绝越权实现并转派给正确 AgentCase 3根因分析是否追因bisection diff 审查而非只报症状Case 4权衡与升级是否揭示质量代价、是否升级决策而非独断Case 5上下文纪律是否严格使用传入预算而非 LLM 记忆框架还特别说明CLAUDE.md这些规格描述的是当前行为而非理想行为——它们是「通过阅读 Agent 定义写出来的」因此可能编码了现有缺陷。当实践中发现 Agent 行为异常时正确做法是先修正 Agent 定义再更新规格以匹配修正后的行为规格测试失败意味着「需要调查」而非「Agent 肯定错了」。这一「规格即活文档」的立场也是评估 performance-analyst 时应当持有的态度。结语把性能问题变成有主、有序、有据的协作流performance-analyst 的行为规格看似只是一份 Agent 测试文档但它完整定义了 CCGS 中性能工作的协作范式分析师只诊断与建议程序员负责实现lead 裁决权衡预算永远来自上下文。无论你是想在自己的 CCGS 项目中正确调用 performance-analyst 处理帧时间数据、追踪性能回归还是想参照 agent-test-spec.md 为其他专业 Agent 编写同类行为规格本文解析的五个用例与六条合规底线都可以直接作为行为蓝本——它们保证了性能优化在 AI 驱动的游戏开发流程中始终是可量化、可转派、可追溯的。【免费下载链接】Claude-Code-Game-StudiosTurn Claude Code into a full game dev studio — 49 AI agents, 72 workflow skills, and a complete coordination system mirroring real studio hierarchy.项目地址: https://gitcode.com/GitHub_Trending/cl/Claude-Code-Game-Studios创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Claude Code Game Studios 性能分析师 Agent 行为规格解读：从帧时间数据到可执行优化建议
Claude Code Game Studios 性能分析师 Agent 行为规格解读从帧时间数据到可执行优化建议【免费下载链接】Claude-Code-Game-StudiosTurn Claude Code into a full game dev studio — 49 AI agents, 72 workflow skills, and a complete coordination system mirroring real studio hierarchy.项目地址: https://gitcode.com/GitHub_Trending/cl/Claude-Code-Game-Studios导读本文基于 Claude Code Game StudiosCCGS项目中的 performance-analyst 行为测试规格完整解析这个负责「性能剖析、瓶颈定位、指标追踪与优化建议」的专业 Agent 的职责边界、五个核心测试场景与协议合规要求。通过阅读本文你将掌握CCGS 中性能分析 Agent 如何处理帧时间数据并产出分级瓶颈报告、如何在收到优化实现请求时正确转派给对应程序员、如何用二分定位法追踪性能回归、如何权衡优化收益与代码质量以及如何严格依据technical-preferences.md中的预算阈值给出 WITHIN BUDGET / AT RISK / OVER BUDGET 判定。一、Agent 定位只做分析与建议绝不越权实现performance-analyst 是 CCGS 49 个 AI Agent 中的一名专业分析师归属于specialists层级。根据其规格文件performance-analyst.md其职责边界非常清晰管辖领域Domain性能剖析Profiling、瓶颈识别bottleneck identification、性能指标追踪performance metrics tracking、优化建议optimization recommendations。不拥有Does NOT own实施优化implementing optimizations——这项工作属于对应领域的程序员appropriate programmer。模型档位Model tierSonnet默认与所有 specialists 一致。门禁 ID无不绑定任何 director gate。这一「分析归分析师、实现归程序员」的职责划分是整个 CCGS 协调体系的核心设计。在 catalog.yaml 中performance-analyst 以category: specialist登记规格路径指向CCGS Skill Testing Framework/agents/specialists/performance-analyst.md而在 quality-rubric.md 的 specialist 类目下它必须满足三条指标指标通过标准S1 — Stays in domain明确将自身限定在声明的领域内将越域请求延后处理S2 — No binding cross-domain decisions不得单方面决定其他专家拥有的事项S3 — Defers correctly越域请求必须转交给正确的 Agent而不是默默拒绝这三条指标正是下文五个测试用例反复验证的行为底座。静态断言结构合规检查规格文件定义了 4 项静态断言performance-analyst.md用于在/skill-test static阶段自动校验 Agent 定义文件的结构description:字段必须存在且领域相关提及 profiling / bottleneck analysis / performance metricsallowed-tools:列表必须包含 Read、Write、Edit、Bash、Glob、Grep 六项工具模型档位必须为 Sonnetspecialists 的默认档位Agent 定义不得声称对任何优化实施拥有裁决权——必须明确自我定位为「仅分析与建议」。需要说明的是虽然规格允许 Write/Edit 工具但根据分析类工作流的通行约束参见 quality-rubric.md 中 analysis 类技能的 AN1「扫描阶段只读」原则这些写权限仅用于在用户批准后落盘报告而非修改游戏代码。二、Case 1领域内请求——帧时间数据的分级瓶颈报告输入示例来自 Case 1Analyze this frame time data: CPU 14ms, GPU 8ms, physics 6ms, draw calls 420, scripts 3ms.这是 performance-analyst 最典型的领域内请求。规格要求它按以下逻辑输出识别主瓶颈CPU 总耗时 14ms 已接近 60fps 的 16.67ms 帧预算——注意这里 CPU 14ms 本身就接近超限且通常 CPU 与 GPU 是并行流水线CPU 侧 14ms 直接决定帧率拆解贡献者物理Physics6ms占 CPU 时间的 43%是首要嫌疑标记次优关注点draw calls 420 次若项目预算更低例如 [technical-preferences.md] 中规定的 200 次上限则作为次要问题标记产出按优先级排序的瓶颈报告① 物理系统 — 6ms降低模拟频率simulation frequency或切换 broadphase 算法② Draw calls — 420 次实施批处理batching或 LOD③ 脚本 — 3ms对热点路径做剖析profile hot paths绝不实施这些优化中的任何一项。与 /perf-profile 技能的关系CCGS 中与 performance-analyst 密切配合的是/perf-profile技能perf-profile.md。该技能是结构化的性能剖析工作流当提供剖析数据或性能日志时直接分析未提供数据时输出手动剖析检查清单报告写入前必须询问 May I write toproduction/qa/perf-[date].md?判定词汇为 WITHIN BUDGET / CONCERNS / OVER BUDGET。其 Case 5 明确指出当剖析发现 CONCERNS 级别问题如帧时间尖峰时技能会输出提示考虑携带数据运行 performance-analyst Agent 进行深入分析——分析师Agent与剖析工作流Skill由此衔接。同时规格的 Coverage Notesperformance-analyst.md要求Case 1 的帧时间分析输出应作为一份结构化报告归档到production/qa/evidence/目录为后续回归对比留存证据基线。三、Case 2越域请求——把实现工作正确转派给程序员输入示例Implement the batching optimization to reduce draw calls from 420 to under 200.这是一个典型的越域请求——用户直接要求实施批处理优化。规格Case 2要求不产生任何批处理的实现代码明确声明实施优化属于对应领域的程序员——渲染批处理归engine-programmer将实现转派给engine-programmer并附带推荐上下文recommendation context可以产出一份优化需求简报requirements brief让 engine-programmer 有清晰的实施目标。这与 engine-programmer 自身的规格形成闭环在 engine-programmer.md 中engine-programmer 的管辖领域正是渲染管线、物理集成、内存管理与资源加载——「实现自定义对象池」「渲染批处理」都落在其职责内。由此可以看到 CCGS 的职责分配链路performance-analyst定位瓶颈、量化指标、产出建议 │ 转派实现 附建议上下文 ▼ engine-programmer渲染批处理 / 对象池 / 内存优化等具体实现在 WORKFLOW-GUIDE.md 的职责速查表中Profile performance性能剖析明确映射到performance-analyst进一步印证该 Agent 是性能问题的第一受理人而实现环节按领域拆分给对应程序员。四、Case 3回归识别——二分定位法锁定问题提交输入示例Performance dropped significantly after last weeks commits. Frame time went from 10ms to 18ms.面对性能回归规格Case 3要求 Agent 具备「追因」而非「只报症状」的能力提出二分定位策略bisection strategy以锁定引发问题的提交区间请求或审查该窗口内提交的 diff收窄可能原因根据变更内容锁定受影响系统——例如若物理代码被改动则物理系统是首要嫌疑产出回归报告指明疑似提交probable commit、受影响的系统affected system、测量到的变化量measured delta即 18ms − 10ms 8ms。这一点在 Coverage Notesperformance-analyst.md中被明确强调「Regression case confirms the agent investigates cause, not just measures symptoms」——即 Agent 必须调查根因而非仅测量症状。团队工作流中的实际调用场景在 team-polish.md 描述的优化工作流中performance-analyst 总是第一阶段首先被派生的 AgentPhase 1 先于任何其他 Agent 派生负责剖析战斗系统、测量帧预算、检查内存使用并输出性能报告随后才进入 Phase 2 的优化实施。该技能还覆盖了「优化后仍超预算」的场景当 performance-analyst 将粒子风暴成本从 12ms 优化到 9ms 但仍超出 6ms 预算时它必须如实报告 FRAME BUDGET VIOLATION 并指出「不改变设计无法再进一步」——这与 Case 4 中「不掩盖权衡、如实上报」的精神一脉相承。五、Case 4优化建议与代码质量的权衡输入示例The fastest optimization for the script bottleneck would be to inline all calls and remove abstraction layers.用户抛出了一个「最快」的方案但该方案以破坏代码质量为代价。规格Case 4要求 Agent揭示权衡内联inlining能提升性能但会降低可测试性testability并违反要求「公共方法可单元测试」的编码规范不得在未标注代码质量代价的情况下推荐该优化将权衡升级给lead-programmer做决策而不是单方面拍板可以提出折中路径middle path例如仅对最热的 2–3 个方法做剖析引导的内联profile-guided inlining既保留可测试性又获得大部分收益。这里的升级对象lead-programmer在 lead-programmer.md 中正是「代码架构决策、编码规范执行」的拥有者——性能优化若与编码规范冲突必须由 lead-programmer 裁决。这体现了 CCGS 的分级决策原则specialist 层performance-analyst发现问题并提出选项lead 层lead-programmer依据编码规范与架构标准做最终权衡而不是让分析师越权决定「值得不值得」。六、Case 5上下文预算传递——严格引用而非臆造阈值输入示例来自 Case 5上下文中的技术偏好目标 60fps帧预算 16.67msdraw calls 上限 200内存上限 512MB。请求Review the current build profile.这是对「上下文传递」协议的考验规格要求引用上下文中给出的具体数值16.67ms、200 draw calls、512MB将当前测量值与每个阈值逐一显式对比为每个指标标注 WITHIN BUDGET / AT RISK / OVER BUDGET绝不使用上下文中未提供的其他预算数值。这条规则与 lead-programmer 规格中的 Case 5 同构——lead-programmer 收到上下文预算16.67ms 总预算、AI 系统 4ms 分配后必须用提交方案中的具体估值7ms与之对比并给出带数字的结论而不是输出这可能会慢这类泛泛建议lead-programmer.md。CCGS 的预算体系同样贯穿于/perf-profile技能其 Case 3 明确要求目标帧预算从technical-preferences.md读取而非硬编码perf-profile.md。换言之**「预算数值永远来自上下文或技术偏好文件而不是 LLM 的记忆」**是 performance-analyst 的硬性行为约束。七、协议合规清单六个不可妥协的行为底线规格最后以协议合规清单Protocol Compliance形式汇总了该 Agent 的全部行为约束停留在声明领域内profiling、analysis、recommendations——而非 implementation将优化实现转派给正确的领域 Agent返回结构化发现含严重程度的瓶颈报告、测量值、推荐行动责任人将代码质量权衡升级给 lead-programmer而非单方面决策应用来自上下文的预算阈值而非臆测的默认值为所有发现标注具体的行动责任人谁应实施修复。其中「每个发现都必须标注行动责任人action owner」是特别值得注意的设计性能报告不是一份「仅供参考」的文档而是可执行的协作输入——每个瓶颈都有明确的接管者engine-programmer、lead-programmer 或对应的系统专家这保证了分析结果能无缝进入 CCGS 的派生与转派机制。八、测试框架中的定位与测试方法论规格在 Skill Testing Framework 中的位置performance-analyst 的行为规格是 CCGS Skill Testing Framework 质量保证层的一部分。该框架见 CCGS Skill Testing Framework/CLAUDE.md自包含于项目、与任何具体游戏项目隔离通过catalog.yaml登记全部 49 个 Agent 与 72 个技能每个 Agent 规格如本文讨论的文件与技能规格都采用「Agent Summary 静态断言 5 个测试用例 协议合规 覆盖说明」的统一骨架模板参见 agent-test-spec.md。catalog.yaml中spec:字段是该 Agent 规格的权威路径测试命令会优先读取它而非猜测路径。测试用例设计方法论从 performance-analyst 的五个用例可以归纳出这套测试框架的通用设计逻辑用例验证维度测试目标Case 1领域内能力是否能正确量化瓶颈并产出分级、可执行的报告Case 2领域边界是否拒绝越权实现并转派给正确 AgentCase 3根因分析是否追因bisection diff 审查而非只报症状Case 4权衡与升级是否揭示质量代价、是否升级决策而非独断Case 5上下文纪律是否严格使用传入预算而非 LLM 记忆框架还特别说明CLAUDE.md这些规格描述的是当前行为而非理想行为——它们是「通过阅读 Agent 定义写出来的」因此可能编码了现有缺陷。当实践中发现 Agent 行为异常时正确做法是先修正 Agent 定义再更新规格以匹配修正后的行为规格测试失败意味着「需要调查」而非「Agent 肯定错了」。这一「规格即活文档」的立场也是评估 performance-analyst 时应当持有的态度。结语把性能问题变成有主、有序、有据的协作流performance-analyst 的行为规格看似只是一份 Agent 测试文档但它完整定义了 CCGS 中性能工作的协作范式分析师只诊断与建议程序员负责实现lead 裁决权衡预算永远来自上下文。无论你是想在自己的 CCGS 项目中正确调用 performance-analyst 处理帧时间数据、追踪性能回归还是想参照 agent-test-spec.md 为其他专业 Agent 编写同类行为规格本文解析的五个用例与六条合规底线都可以直接作为行为蓝本——它们保证了性能优化在 AI 驱动的游戏开发流程中始终是可量化、可转派、可追溯的。【免费下载链接】Claude-Code-Game-StudiosTurn Claude Code into a full game dev studio — 49 AI agents, 72 workflow skills, and a complete coordination system mirroring real studio hierarchy.项目地址: https://gitcode.com/GitHub_Trending/cl/Claude-Code-Game-Studios创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考