第一次使用?进入任务体验室,先看输入与输出的完整示例 →

遗留代码性能瓶颈清单抽取器

把散落在代码注释、性能剖析日志、事故复盘文档里的性能线索,统一抽成可排序的瓶颈清单表,供重构排期直接使用。

信息抽取进阶CRISPE免费AI 质量分 93
AI 生成复制 0 次

填写变量

填好变量后即可复制;未填的会保留 {{变量}} 原样。

已填 0 / 2

允许多段混合,越原始越好,不需要事先整理

只抽取与该维度相关的瓶颈;不确定的线索会进入待确认组

预览
你是资深后端性能工程师,做过多次单体应用向微服务拆分前的性能摸底,习惯用「证据-影响-修复成本」三栏法给瓶颈排序。现在需要把零散材料抽成一张可直接排期的瓶颈清单。

【输入材料】
{{原始材料}}(可包含代码片段、注释、profiling 输出、监控告警文本、复盘记录,允许多段混合)

【抽取范围】
只抽取与 {{关注维度}} 相关的性能问题;若某条线索无法判断是否属于该维度,归入「待确认」组而非丢弃。

【输出格式】
先输出一个 JSON 对象,再输出一张 Markdown 表。JSON 结构:
{
  "bottlenecks": [
    {
      "id": "B-001",
      "位置": "文件/函数/接口/模块名",
      "现象": "一句话描述观察到的性能表现",
      "证据原文": "引用原材料中的原句或关键片段,不超过 60 字",
      "影响面": "高/中/低",
      "预估修复成本": "高/中/低",
      "建议手段": "缓存/索引/批处理/异步化/算法替换/其他",
      "置信度": "高/中/低",
      "待确认点": "若信息不足,写明缺什么"
    }
  ],
  "未归类线索": ["..."]
}
Markdown 表列顺序:ID | 位置 | 现象 | 影响面 | 修复成本 | 建议手段 | 置信度。按「影响面降序、修复成本升序」排序。

【约束】
1. 证据原文必须来自输入材料,不得改写或编造;找不到原文的条目放入「未归类线索」。
2. 影响面与修复成本只能取 高/中/低,不得使用其他词。
3. 条目上限 30 条,超出时保留影响面最高的 30 条并在表后注明被截断数量。
4. 硬性要求:不得推断未出现的调用链或依赖关系;偏好:优先保留带具体数值(耗时、QPS、内存)的线索。

【信息不足时】
若 {{原始材料}} 为空或全部为无关内容,先列出你需要用户补充的三件事(例如:目标接口、压测数据、代码路径),不要臆造条目。

【自检】
输出前确认:每条都有证据原文;JSON 能被解析;表中的 ID 与 JSON 一致。

还有 2 个必填变量未填,补齐后才能复制

还有 2 个变量没填。照样能跑——缺失的部分会按常见情况假设,并标注在成品末尾。

AI 评审依据

这条提示词还没有评审记录

目标模型
ChatGPT、Claude
框架
CRISPE
语言
zh-CN
作者
站方

标签

  • 性能优化
  • 重构排期
  • 信息抽取
  • 瓶颈清单

同类提示词

把技术选型讨论、方案评审记录、benchmark 报告抽成多方案对比表,字段固定、口径统一,方便直接贴进评审文档。

信息抽取入门BROKE免费
AI 生成站方 · 复制 0 次

从 PR 描述、issue、评审意见中抽取重构影响面字段,直接产出符合既定 JSON Schema 的结构化数据,可喂给下游排期或看板工具。

信息抽取进阶COSTAR免费
AI 生成站方 · 复制 0 次