Communitygithub.com

auditoria-de-desempenho

Avalia as evidências técnicas de desempenho de uma landing page existente, incluindo Core Web Vitals, comportamento de carregamento, assets, scripts e possíveis gargalos. Use quando solicitado a auditar a velocidade ou desempenho de uma landing page.

O que é auditoria-de-desempenho?

Esta habilidade permite que um agente de IA realize uma auditoria de desempenho independente e baseada em evidências para uma landing page existente. O objetivo é diagnosticar a experiência atual do usuário e recomendar melhorias práticas identificando gargalos como tempo de carregamento, Core Web Vitals (LCP, INP, CLS), entrega de imagens e fontes, JavaScript/CSS, recursos que bloqueiam a renderização, mudanças de layout, scripts de terceiros e carregamento preguiçoso. Suporta plataformas como Claude Code, Cursor e Codex, e segue regras rigorosas de integridade de evidências, separando observações diretas, dados relatados, inferências e recomendações. Útil para desenvolvedores que precisam de uma análise técnica focada, sem inventar fatos ou alegações de melhoria não suportadas por experimentos válidos.

Funciona com~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/ashokgmorais-cmd/Landing-Page-Intelligence/tree/HEAD/skills/performance-audit

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

Auditoria de Desempenho de Landing Page

Propósito

Realizar uma auditoria independente e baseada em evidências do módulo de Desempenho para uma landing page existente. O objetivo é diagnosticar a experiência atual e recomendar melhorias práticas, não construir uma página substituta.

Como executar esta habilidade de forma independente

Esta habilidade audita apenas seu módulo nomeado. Não assuma que qualquer outro módulo foi executado. Comece com a solicitação do usuário e os materiais fornecidos. Se contexto essencial estiver faltando, pergunte apenas por informações que afetem materialmente este módulo; não bloqueie por análises ou detalhes que não estejam disponíveis. Se a URL da página estiver inacessível, solicite capturas de tela, uma gravação, texto exportado da página ou HTML. Trabalhe com as evidências disponíveis e rotule a limitação do escopo.

Contexto útil, quando disponível: negócio/marca e setor; público-alvo e geografia; URL da página ou assets; produto/serviço e modelo de negócio; objetivo de conversão primário; oferta/preço; campanha ou fonte de tráfego; restrições da marca; concorrentes relevantes; e dados de análises/testes. Marque dados faltantes como Não fornecido ou Indisponível em vez de adivinhar. Diferencie alegações fornecidas pelo negócio de suas próprias observações da página.

Regras de evidência e integridade

  • Separe Observado (diretamente visível/testado), Relatado (fornecido pelo negócio), Inferência/Hipótese (plausível mas não verificado) e Recomendação.
  • Vincule descobertas importantes a uma seção da página, elemento, URL de origem, asset fornecido ou resultado de teste. Cite cópia exata apenas se disponível; caso contrário, rotule como paráfrase.
  • Explique o que está presente, por que é importante para o usuário/tarefa relevante, e o que mudar. Evite tratar toda fraqueza como uma perda de conversão comprovada.
  • Não invente fatos de negócios, resultados, análises, garantias, pesquisa de usuários, certificações ou resultados de testes. Evite alegações causais e de melhoria a menos que apoiadas por experimentos válidos.
  • Se apenas capturas de tela estáticas ou texto estiverem disponíveis, não afirme ter testado links, formulários, comportamento responsivo, desempenho, acesso por teclado ou tecnologia assistiva.
  • Considere o público, a oferta, o objetivo de conversão, o contexto de tráfego e as necessidades de acessibilidade quando fornecidos. Declare suposições e limitações materiais.

Prioridades, confiança e pontuação

Use prioridade P0 Crítico (problema grave de quebra/usabilidade/confiança que requer atenção imediata), P1 Alto (importante, potencialmente consequente), P2 Médio (valioso após prioridades mais altas), P3 Baixo (refinamento menor/longo prazo). Use confiança Alta (diretamente observável/medido), Média (evidência razoável com lacunas) ou Baixa (evidência limitada ou suposições substanciais).

Pontue critérios aplicáveis de 0 a 5: 0 ausente/quebrado/criticamente deficiente; 1 muito ruim; 2 abaixo das expectativas; 3 aceitável; 4 muito bom; 5 excelente. Marque itens não avaliáveis como N/A e exclua-os do denominador. Calcule a pontuação do módulo como (pontos obtidos ÷ pontos máximos aplicáveis) × 100, arredondado para um número inteiro; informe o numerador/denominador ou liste os critérios pontuados. Se nada puder ser razoavelmente pontuado, relate Não Avaliado, não 0. Não trate esta pontuação de diagnóstico como um benchmark do setor ou uma previsão de desempenho de conversão.

Formato de saída

Escreva uma auditoria Markdown independente e pronta para o cliente, com título, escopo/base de evidências, resumo conciso, pontos fortes, descobertas/recomendações priorizadas (prefira uma tabela quando útil), pontuação do módulo, confiança geral da evidência, e limitações/próximas evidências necessárias. Mantenha os conselhos específicos e acionáveis. Não produza um relatório completo de vários módulos ou pontuação, a menos que o usuário solicite explicitamente um.

Lista de verificação específica do módulo

Revise apenas as evidências disponíveis sobre tempo de carregamento, Core Web Vitals, entrega de imagens/fontes, JavaScript/CSS, recursos que bloqueiam a renderização, mudanças de layout, scripts de terceiros, carregamento preguiçoso e eficiência de rede/recurso. Registre URL, data/hora, dispositivo/rede, ferramenta, condições de teste e se os resultados são dados de laboratório ou de campo, quando conhecido.

Entrega obrigatória

Relate medições com unidades e proveniência; diferencie descobertas medidas, observações visuais e hipóteses; explique o impacto no usuário com cautela; recomende próximos diagnósticos/correções específicos; atribua prioridade/confiança e pontuação. Se nenhuma medição técnica estiver disponível, marque as descobertas de desempenho como não verificadas e explique como obter evidências.

Orientação específica do módulo

Limites de referência: LCP bom ≤2,5 s, precisa melhoria >2,5–4 s, ruim >4 s; INP bom ≤200 ms, precisa melhoria >200–500 ms, ruim >500 ms; CLS bom ≤0,1, precisa melhoria >0,1–0,25, ruim >0,25. Use os limites exatos de forma consistente. Não invente métricas ou afirme aprovação sem medições válidas. Uma captura de tela não pode estabelecer velocidade.

Perguntas estratégicas de diagnóstico

  • Quais conclusões de desempenho são apoiadas por medições de campo/laboratório, e sob quais condições de dispositivo, rede, região e teste?
  • A correção proposta está conectada a um gargalo observado, ou é uma lista de verificação de otimização genérica?
  • Um script de terceiros, asset superdimensionado, fonte ou mudança de layout poderia afetar uma ação crítica; que evidência isolaria isso?
  • O que deve ser medido após a remediação, e como os resultados de laboratório serão distinguidos dos resultados reais do usuário?

Verificação final de qualidade

Antes de entregar, confirme que a revisão permaneceu dentro deste módulo, toda conclusão material está rotulada com evidência, todas as recomendações são acionáveis e adequadamente priorizadas, incógnitas permanecem incógnitas, itens N/A foram excluídos da pontuação, e o cálculo da pontuação está correto. Se o usuário solicitar uma auditoria completa de 12 módulos, explique que esta habilidade cobre um módulo e pode ser executada junto com as outras habilidades neste repositório.

Individual skills in this repo

This repo contains 4 individual skills — each has its own dedicated page.

Habilidades Relacionadas