frontend-fullchain-optimization

这是一个以证据为先的前端性能技能，用 Web Vitals 帮助 AI 判断真正的瓶颈、选择针对性的优化策略，并验证改动是否真的提升了用户体验。适用于以下场景：

为什么需要这个技能？

很多前端性能优化失败，不是因为缺少技巧，而是因为证据不足，或者先修了症状、没修上游瓶颈。这个技能给 AI 一套可重复执行的流程：

它同时支持两种环境：

默认情况下，这个工作流把 Lighthouse 和 Performance 证据视为手动采集的数据。如果还没有手动测量结果，skill 只能给出推断性的修改建议，并建议改动后再做复测验证。

npx skills add mindfold-ai/marketplace --skill frontend-fullchain-optimization

或安装所有可用 skills：

npx skills add mindfold-ai/marketplace

选项：

检查 skill 是否可用：

你有哪些 skills？

Claude 应该在回复中列出 frontend-fullchain-optimization。

安装后，可以直接让 AI 结合现有证据进行诊断：

用 frontend-fullchain-optimization 分析这个路由为什么 LCP 很差，并告诉我应该先修什么。

用 frontend-fullchain-optimization 审查这份 Lighthouse 报告，并提出最小但高收益的优化方案。

我只有 DevTools 截图和指标快照。请用 frontend-fullchain-optimization 的 manual-evidence 模式分析。

领域	包含内容
指标	LCP、FCP、INP、CLS、TTFB、TBT 的阈值与优先级
诊断	主瓶颈决策树与必要证据清单
优化	渲染、图片、字体、代码拆分、布局稳定性、交互响应
验证	记录优化前后结果与剩余瓶颈的模板

文件	内容
`SKILL.md`	完整性能工作流、各指标优化分支、证据清单与验证模板