Web Performance
Performance frontend : Web Vitals, optimisation, monitoring cote client.
| # | Skill | Source | Description | Maj | |
|---|---|---|---|---|---|
| 1 | stitch::extract-static-html | google-labs-code/stitch-skills | Extraire une capture HTML statique et autonome d'une application web locale. | 6 001 | 1mo |
| 2 | upgrade-browser-sdk-v7 | datadog-labs/agent-skills | Migrer le SDK Browser Datadog de la version 6 à la version 7. | 127 | 1mo |
| 3 | pixijs-custom-rendering | pixijs/pixijs-skills | Créer des shaders GLSL/WGSL personnalisés compatibles WebGL et WebGPU avec PixiJS. | 215 | 1mo |
| 4 | pixijs-performance | pixijs/pixijs-skills | Optimiser les performances PixiJS via destruction, pooling, cache et culling. | 215 | 1mo |
| 5 | vercel-react-best-practices | cherryhq/cherry-studio | Optimiser les performances React et Next.js selon 62 règles priorisées par impact. | 47 261 | 2mo |
À propos de cette sélection
Quand un agent doit auditer une page sans ralentir le pipeline de déploiement, les skills web performance déterminent concrètement la qualité de ce qu'il remonte. La différence entre un bot qui produit des métriques exploitables et un qui colle un screenshot dans un ticket tient souvent à l'outillage choisi. Cette sélection s'adresse aux devs frontend et fullstack TypeScript qui instrumentent du monitoring côté client, traquent des régressions sur les Core Web Vitals ou automatisent des audits d'accessibilité avant merge. Les cas couverts sont concrets : brancher un SDK Datadog Labs après une montée de version majeure, configurer la session state Streamlit pour éviter les recalculs inutiles côté serveur. L'outillage reste fragmenté selon les stacks, mais un socle solide couvre déjà les scénarios les plus courants en environnement Next.js, Nuxt et Streamlit.