4 月 29 日写 SmartPerfetto 开源介绍时重点还是“在 Perfetto UI 里放一个能查 SQL、跑 Skill、生成报告的 AI Assistant”。两周后的仓库状态已经变了不少功能从单条 trace 的问答扩到了分析结果复用、多 trace 横向比较、Claude/OpenAI 双 runtime、SQL guardrail、证据来源索引、免安装包、渲染管线教学和更完整的 Provider 诊断。本文基于 2026 年 5 月 17 日的 SmartPerfetto 当前仓库状态补一篇新的功能说明。读者看完应该能知道三件事这两周新增了什么、现在完整功能边界在哪里、报 bug 时该提供哪些信息。项目地址•SmartPerfetto 主仓库https://github.com/Gracker/SmartPerfetto[1]•上一篇开源介绍https://www.androidperformance.com/2026/04/29/SmartPerfetto-Open-Source-Perfetto-AI-Assistant/[2]两周内变化最大的地方上篇文章里写到的几个数字已经过时。那时仓库里是 165 个 YAML Skill、12 个场景策略当前仓库状态下backend/skills/已经有 220 个*.skill.yaml去掉_template后是 216 个功能性 Skill 文件backend/strategies/里有 18 个.strategy.md和 26 个.template.md。这不是简单地把文件数堆上去。变化主要落在六类用户会感知到的地方方向之前的主路径当前状态Trace 分析单条 trace 上提问、跑 Skill、看报告保留原路径并增加选区追问、结果快照、跨窗口结果对比多 Trace 对比当前窗口选择 reference trace偏实时新增分析结果 snapshot对比已完成结果不要求另一个窗口继续打开模型接入Claude Agent SDK 是主路径Claude Agent SDK 与 OpenAI Agents SDK 都是一等 runtimeProvider 配置主要靠.env和 README 说明UI Provider Manager、active profile、env fallback、/health诊断一起工作证据可靠性主要依赖 prompt 约束模型写 SQL 和引用证据SQL stdlib guardrail、最终可执行 SQL、证据 ID、数据来源说明、逐句数据引用进入 contract运行分发Docker 和本地源码为主Docker、Windows/macOS/Linux 免安装包、本地源码、CLI/API 都进入文档和发布流程过去两周还修了一批影响可用性的边界问题大 trace 上传限制提升到 5 GiB并增加 admission 和磁盘预检查启动脚本会清理孤儿trace_processor_shell并自动打开浏览器Linux glibc、IPv6-disabled host、Claude SDK native binary 选择、Docker env provider 优先级、OpenAI/MiMo tool calling 兼容性、Perfetto frontend 预构建资产校验都做了修复。这类修复看起来不像新功能但它们决定了普通用户能不能把第一条真实 trace 跑完。当前完整功能地图SmartPerfetto 现在可以按“入口、分析、证据、输出、运行方式”五层理解。功能面当前能力适合场景Perfetto UI 内 AI Assistant加载.pftrace/.perfetto-trace后直接提问支持fast、full、auto三种分析模式日常看 trace快速问包名、进程、启动、滑动、ANR选区和事件上下文Perfetto area selection / track event selection 会作为selectionContext传给后端只分析某段时间、某一帧、某个可疑 slice 前后发生了什么常见场景策略18 个策略覆盖 startup、scrolling、ANR、interaction、touch、memory、power、network、media、game、pipeline、teaching、overview 等场景把自然语言问题路由到合适的 SQL、Skill 和输出格式YAML Skill 系统216 个功能性 Skill 文件覆盖 atomic、composite、deep、pipeline、comparison、module 等类型把 Perfetto SQL、显示列、分层结果和边界处理写成可复用分析单元SQL 与 Skill 证据结果里保留 SQL、Skill 表格、时间戳、线程、slice、metric 来源把“模型判断”落回 trace 数据方便复核SQL guardrail 与 stdlib 知识库raw SQL 自动补齐 stdlib includeSkill validator 检查 table/function/macro 依赖SQL 展示/复制使用最终可执行 SQL降低 SQL 因 Perfetto stdlib 迁移、缺 include 或 unsafe create 造成的误判全局 Trace Sanityglobal_trace_sanity_check汇总最长 slice、D 状态、Runnable 等待、Runqueue 压力和 CPU 热点进程开始场景分析前先看全局瓶颈避免只盯住单个线程或单个 Skill证据来源索引DataEnvelope 带evidenceRefId、traceSide、sourceToolCallId、plan phase、producer reason报告支持逐句数据引用追问“这个数字从哪张表哪一行来”时有稳定 ID 和行列信息HTML 分析报告每次分析完成后生成报告通用接口/api/reports/:reportId可读取分享给团队、贴到 issue、留作回归记录Trace 实时对比compare_arrows入口选择 reference trace在同一轮 AI 分析里查询 current/reference两条 raw trace 都可访问想临时比较当前窗口与参考 trace多 Trace 分析结果对比fact_check入口选择 baseline/candidates或直接输入 Result ID对比已经完成的多次分析结果适合 A/B 测试、版本回归、多人协作Provider ManagerUI 里创建、编辑、激活 provider profileactive profile 优先于 env fallback多模型、多 provider、多协议测试不想反复改.env双 SDK runtimeclaude-agent-sdk与openai-agents-sdk分开接入支持 Anthropic/Claude-compatible、OpenAI/Ollama/OpenAI-compatible根据 provider 的真实协议能力选择 runtime渲染管线教学基于当前 trace 观测到的 App、RenderThread、Producer、SurfaceFlinger/HWC 事件生成教学结果学习 Android 出图路径并把静态知识对回本次 trace上游 Perfetto 诊断产品化heap graph、bitmap heap metadata、critical blocking calls、lock contention owner、Chrome scroll jank frame timeline 等进入 YAML Skill把 upstream Perfetto 的分析经验转成 SmartPerfetto 可执行证据Mermaid 展示AI Assistant 默认展开 Mermaid 源码块优化渲染样式支持点击放大预览报告里出现流程图、因果图、对比图时可读性更好API / CLI / MCP后端 REST SSE、gracker/smartperfettoCLI、MCP 工具文档接入脚本、CI、内部平台或直接在终端分析 trace运行与分发Docker Hub、本地源码./start.sh、Windows EXE、macOS App、Linux tarball不同用户按环境选择最少依赖路径企业/多租户基础tenant/workspace、RBAC、provider isolation、scoped trace/report metadata、runtime dashboard、lease supervisor 等已经进入主干团队部署和商业支持的基础能力大规模外部 RSS/load 实测仍按文档标记为后续验证项⚡ 证据边界SmartPerfetto 不会把整个 trace 文件塞进 prompt。模型接触到的是后端工具返回的 SQL 结果、Skill 输出、报告摘要和结构化上下文。性能数字仍来自 trace_processor_shell 和 Skill 里的确定性计算。新功能一多 Trace 分析结果对比旧的 Trace 对比更像“当前窗口 reference trace”的实时分析。这个模式仍然保留适合在一次对话里让 AI 同时查询两条 raw trace。新的多 Trace 分析结果对比换了一个对象它比较的是已经完成的分析结果。每次 AI 分析结束后SmartPerfetto 会把关键指标、证据引用、结论 contract 和报告入口保存成 analysis result snapshot。UI 顶部出现Ready result或Partial result时说明这次分析已经有了可复用结果。用户有两种入口•直接在 AI 输入框里说对比一下另外一份、对比 AR-1234abcd或者对比 AR-11111111 和 AR-22222222。•点击顶部fact_check图标打开结果选择器手动选择 baseline 和一个或多个 candidates。这个功能解决的问题不在于同时打开两条 trace而在于复用已经完成的分析结果。它不要求另一个 Perfetto UI 窗口继续打开也支持同一个 workspace 内共享结果。默认结果是 private用户显式共享后同 workspace 用户可以把它作为候选结果参与对比。输出分两层•聊天消息里给出 Comparison ID、baseline/candidates、显著变化数量和前几行关键指标。•HTML comparison report 展开标准指标、delta、输入 snapshot、显著变化和 AI 结论。当前标准化指标优先覆盖启动耗时、FPS、Jank、慢帧等可比较项。缺指标时后端会尝试回填回填失败也会完成对比但会标出缺失原因。这对性能回归很有用。一次启动优化、一次滑动手感调整、一次不同机型复测都可以在各自 trace 上先完成 AI 分析再把结果放到同一个 comparison report 里看差异。新功能二SQL、证据来源和上游诊断能力最近新增内容里最需要补充的一块是 SmartPerfetto 对证据来源的处理。用户看到的仍然是对话、表格和报告内部多了三层 contractSQL 怎么变成最终可执行版本、表格/摘要从哪个工具调用产生、结论里的数值该回到哪一行证据。第一层是 SQL guardrail。execute_sql、execute_sql_on、raw SQL auto include 和 Skill validator 现在共用同一套 stdlib dependency analyzer识别 SQL 里的 table、function、macro 和INCLUDE PERFETTO MODULE。这带来几个直接收益•raw SQL 引用了 Perfetto stdlib 表或函数时后端会尽量自动补齐需要的 module。•Skill validator 会检查 Skill 里声明的prerequisites.modules是否覆盖实际 SQL 用到的 stdlib table/function/macro。•guardrail 会检查低噪声 SQL 风险例如可重复执行的CREATE、SPAN_JOIN安全写法、直接解析args表等。•AI Assistant 展示和复制 SQL 时使用最终可执行 SQL并经过 syntaqlite formatterformatter 失败时降级到原 SQL不阻断分析。边界也要写清楚当前 guardrail 是工程 contract不是完整 Perfetto SQL AST parser。它能降低高频误判不能证明所有未来 Perfetto SQL 语法都被静态覆盖。第二层是 stdlib docs 与 lineage 知识库。仓库新增了backend/data/perfettoSqlDocs.json由 upstreamstdlib_docs.json生成 module、entity、direct/transitive includes 和可选pfsql lineage状态。lookup_sql_schema、list_stdlib_modules、query_perfetto_source可以把官方 stdlib 文档、include 关系和源码搜索结果一起返回给 Agent。这样模型写 SQL 前不再只靠记忆也不需要把所有 stdlib 细节硬写进 prompt。第三层是数据来源索引。SQL 和 Skill 产生的 DataEnvelope 可以携带evidenceRefId、traceSide、traceId、queryHash、sourceToolCallId、paramsHash、plan phase、toolNarration和producerReason。HTML report 和 analysis result snapshot 会保留这些字段。当前报告 contract 还加入了“逐句数据引用结构化来源”结论里出现关键数值、线程名、进程名、帧数或百分比时可以把它映射到evidence_ref_id、source_ref、row_index/row_selector、column和value。快速回答也接入了同一套格式。内部会先用未清理的结论文本派生 conclusion contract保留机器可读的 evidence id再生成给用户看的清理版文本。analysis result snapshot 会持久化这个 contract后续做多 Trace 对比或回看报告时来源引用不会因为前端展示清理而丢掉。这件事对排错很实用。用户不需要只说“AI 结论不对”可以指向Q1、某个evidenceRefId、某个 Result ID、某张表的某一列维护者也能判断问题在 SQL、Skill、trace 数据源、模型总结还是报告渲染。这轮还把一批 upstream Perfetto 诊断经验产品化到 YAML Skill能力SmartPerfetto 落点用户价值全局 Trace Sanityglobal_trace_sanity_check开始分析前先看最长 slice、D 状态、Runnable 等待、Runqueue 压力和 CPU 热点进程进程身份确认process_identity_resolver和 process identity gate避免同名进程、多进程 App、provider 进程导致 Skill 查错目标Heap / Bitmapandroid_heap_graph_summary、android_bitmap_memory_per_process有 heap graph / bitmap 表时输出对象和 bitmap 维度没有数据时明确降级Blocking callsframe_blocking_calls区分 MainThread、RenderThread、Binder 等 thread role并保留阻塞来源Lock contentionlock_contention_in_range、lock_contention_analysis输出 blocked thread、owner thread、owner TID、callsite 和 overlap durationChrome Scroll Jankchrome_scroll_jank_frame_timeline覆盖 Chrome v3/v4 scroll jank、tagging 和 preferred frame timeline availability这些能力不改变 SmartPerfetto 的基本原则模型负责解释和排序数值仍来自trace_processor_shell、SQL、Skill 和报告里可追溯的数据来源。新功能三Provider Manager 与双 runtimeSmartPerfetto 的模型配置现在有三条边界•Connection配 SmartPerfetto 后端地址和可选的SMARTPERFETTO_API_KEY它不是模型厂商 key。•Providers配模型 provider profile包括 Base URL、API key/token、模型 ID、协议类型。•runtime 决定后端用哪个 SDK 编排工具调用claude-agent-sdk或openai-agents-sdk。运行时选择优先级是优先级来源1请求或会话里的providerId2Provider Manager 当前 active provider3.env中的SMARTPERFETTO_AGENT_RUNTIME4默认claude-agent-sdkClaude Agent SDK 适合 Anthropic、Claude Code 本地认证、Bedrock、Vertex以及 Anthropic/Claude-compatible provider。OpenAI Agents SDK 适合 OpenAI Responses API、Ollama以及支持流式 tool/function calling 的 OpenAI-compatible gateway。Provider Manager profile 优先于.envfallback。已经创建的分析 session 会固定当时的 credential source恢复这个 session 时不会因为后来切换了 active provider 就换到另一个模型。这个约束很重要因为 trace 分析里的多轮追问依赖前一轮的工具结果和 SDK 会话状态。排障时不要只看.env。打开http://localhost:3000/health看aiEngine.runtime、aiEngine.credentialSource、aiEngine.providerMode和 diagnostics。很多 provider preset 来自公开文档可能随账号地区、套餐或控制台域名变化。连接失败、流式输出异常、tool call 不稳定时应先核对 provider 控制台里的 Base URL、模型 ID 和协议类型。新功能四渲染管线教学从静态文档转向当前 trace“出图教学”这两周做了重构。以前更像是检测一个主管线展示对应 Mermaid、关键 slice 和教学文档。现在目标换成了基于当前 trace 里真实观测到的事件展示 App、Framework、RenderThread、Producer、BufferQueue/Transaction、SurfaceFlinger/HWC、present 这些角色之间发生了什么。新的后端服务会构造observedFlow•lanes 表示当前 trace 中可观测到的角色例如 app、render_thread、producer、buffer_queue、surfaceflinger、hwc_present。•events 表示真实 slice/thread/process/layer 事件带ts、dur、durMs、evidence source 和可选 frame/layer 关联。•dependencies 表示可确认的依赖例如 wakeup 或 critical path。•completeness 标明缺哪些信号避免把静态知识伪装成本次 trace 的事实。这对混合渲染尤其重要。WebView、Flutter、React Native、TextureView、SurfaceView、OpenGL ES、Vulkan、Camera、Video、Game engine 这类 producer 不能简单归到一个“主管线”里。SmartPerfetto 现在会把 host HWUI 和 producer 分开展示再根据证据说明二者有没有依赖。教学功能的价值不在于替用户背 Android 出图机制而是把知识点贴回本次 trace 里的实际事件。用户看完应该能知道本次 trace 里哪些路径看到了证据哪些路径因为采集缺口还不能确认。这两周的可用性修复新增功能之外最近的修复主要集中在“真实用户把工具跑起来”这件事上。修复方向用户感知5 GiB trace 上传更大的 trace 可以走上传路径后端先做 admission 和磁盘预检查避免上传到一半才失败启动脚本清理孤儿进程上次异常退出后残留的trace_processor_shell不容易占住端口本地启动自动打开浏览器./start.sh跑起来后更接近日常工具体验Linux glibc / IPv6-disabled hostUbuntu 20.04、禁用 IPv6 的环境更容易启动Claude SDK native binary fallback可选 native 包选错平台时后端能走自动 fallbackOpenAI/MiMo 兼容性修复 reasoning content、tool 参数、plan phases、startup_slow_reasons等兼容问题quick/full session 隔离切换 fast/full/auto 时轻量上下文和完整上下文不会混用stale SDK conversation recoveryClaude/OpenAI 会话句柄过期时后端能恢复或降级避免第二轮追问直接断掉process identity gateSkill 执行前会校验目标进程身份避免包名、进程名或多进程场景把 SQL 查到错误对象SQL stdlib guardrail缺失 stdlib include、unsafe create、SPAN_JOIN 和 args 解析问题能在 validator 或 guardrail 阶段暴露跨窗口结果对比多窗口下的结果选择、heartbeat、Result ID 使用更稳定backend trace_processor 隔离本地 trace 和 backend-created trace processor target 分开处理降低第二条 trace 错用目标的概率frontend prebuild 资产守卫syntaqlite-*、trace_processor.wasm、trace_processor_memory64.wasm、manifest hash 进入校验降低免安装包和 Docker 漏资产风险Mermaid 体验源码默认展开、样式更清楚、图表支持点击放大这些问题很多来自真实 issue 和本地复现。SmartPerfetto 的困难不只在“模型会不会分析”还在模型、Perfetto UI、后端 SSE、trace_processor_shell、浏览器窗口、provider 协议之间的状态是否一致。任何一个状态漂移最终都会表现成“AI 结果不可靠”。现在怎么选运行方式普通用户优先选 Docker 或免安装包。运行方式适合谁说明Docker Hub只想快速试用或部署不需要 Node.js不需要初始化 submodule需要在.env或 UI Provider Manager 配模型凭证免安装包不想安装 Docker 的用户Windows 解压双击SmartPerfetto.exemacOS 双击SmartPerfetto.appLinux 运行./SmartPerfetto本地源码./start.sh开发者、想跟主干的人使用仓库提交的预构建 frontend日常后端/Skill/策略改动不需要构建 Perfetto UIDev 模式./scripts/start-dev.sh修改 AI Assistant 插件 UI 的人需要初始化perfetto/submodule保存前端代码后 watch 构建CLIsmp想在终端或脚本里分析 trace 的人复用 agentv3、Skill、报告生成和本地 session 存储源码运行的 Node.js 要求是 24 LTS。仓库有.nvmrc和.node-versionnpm 开了engine-stricttrue./start.sh、./scripts/start-dev.sh、./scripts/restart-backend.sh会优先通过 nvm/fnm 切到 Node 24。macOS 免安装包当前采用 ad-hoc signing避免被系统直接判为 damaged正式公证仍需要 Developer ID 和 notary profile。这个状态应在发布说明里写清楚避免用户把 Gatekeeper 行为当作后端问题。赞助与商业支持SmartPerfetto 的开源维护成本主要来自四类地方真实 trace 复现、模型 token、Provider 兼容性验证、跨平台发布包验证。项目接受个人赞助、企业赞助、AI Credits / Token 厂商赞助也接受围绕 AGPL 的商业授权和企业支持咨询。个人赞助适合支持开源维护、测试 trace、文档示例和公开 demo 的模型消耗。个人赞助者可以进入 README 的感谢名单如果赞助者希望匿名也可以只记录为匿名支持。普通企业赞助适合支持长期维护、问题复现、公开文档和回归测试。企业赞助者也可以进入 README 感谢名单并在 sponsor 页面展示企业名称和链接。更深的企业合作可以放到商业支持里处理例如 Android 性能 trace 专家诊断、Perfetto / SmartPerfetto 团队培训、企业内部部署、定制 YAML Skill / Strategy、商业授权与集成咨询。LLM / API / Token 厂商赞助更适合用 credits、token 套餐、试用账号或开发者额度支持 SmartPerfetto。SmartPerfetto 这类工具只会聊天不够还要稳定支持流式输出、tool/function calling、长上下文恢复、结构化参数和真实 trace 分析。厂商赞助可以换来三类更直接的项目支持赞助类型项目侧支持个人赞助README 感谢名单支持开源维护和公开示例成本普通企业赞助README 感谢名单sponsor 页面展示企业支持/培训/诊断合作入口LLM / Token 厂商赞助README 前部赞助展示Provider 配置说明模型推荐候选第一时间适配和回归验证这里的“模型推荐”必须基于实际验证。赞助不会改变 SmartPerfetto 的默认 Provider 选择、兼容性结论或技术判断如果某个模型在真实 trace 分析、工具调用或长程推理里不稳定文档会如实说明。反过来如果一个厂商提供了可持续 credits并且模型在 SmartPerfetto 的真实分析任务中稳定跑通就适合进入 README 更靠前的位置、Provider 配置指南和推荐模型说明。联系方式仍然走当前 sponsor 页面和 README 里的微信553000664。安全问题、商业授权和企业内部部署需求应单独沟通不要混在公开 bug issue 里。Bug 反馈该怎么写SmartPerfetto 的 bug 反馈入口是 GitHub Issues。安全问题不要发公开 issue走 GitHub private advisory 或安全邮箱。普通 bug 里至少写清楚当前模板要求的六项Description、Component、Steps to Reproduce、Trace Information、Logs / Screenshots、Environment。对 SmartPerfetto 来说还应补齐版本、平台和 LLM 配置因为很多问题由 provider 协议、模型 tool calling、trace 采集质量、runtime session 状态共同影响不能只按前端或后端 bug 处理。一份可定位的反馈建议包含这些字段类别要写什么SmartPerfetto 版本版本号、commit、Docker image tag、免安装包文件名至少给出其中一种运行方式Docker Hub、源码./start.sh、dev 模式、Windows/macOS/Linux 免安装包、CLI平台环境OS 版本、浏览器、Node.js 版本Docker 路径还要写 Docker Desktop/Engine 和 WSL2 状态问题组件AI Analysis、Skills、Frontend UI Panel、Trace Processor、Backend API、Provider Manager、CLI 等复现步骤从加载 trace 到点击/输入/切换的最小步骤写实际结果和期望结果Trace 信息设备、Android 版本、业务场景、trace category、是否包含 FrameTimelinetrace 大小LLM / Providerruntime 是claude-agent-sdk还是openai-agents-sdkprovider 名称、模型 ID、Base URL、协议类型、配置来源是 Provider Manager 还是.env分析选项fast、full、auto是否在多轮追问中切换过模式证据定位Result ID、HTML report、evidenceRefId、sourceToolCallId、逐句数据引用里的Q1/C1、相关 SQL 或 Skill 表格证据材料后端日志、backend/logs/sessions/、截图、HTML report、Result ID、/health的aiEngine片段隐私边界trace 可能包含业务和用户数据公开 issue 不要直接上传敏感 trace可以先贴脱敏信息必要时再私下沟通样本Provider 相关问题要把“模型能聊天”和“模型能稳定 tool call”分开描述。SmartPerfetto 依赖流式输出、tool/function calling、上下文恢复和结构化参数。一个 provider 在普通聊天里正常不代表它能跑完整 trace 分析。Trace 相关问题也要写采集条件。Android 12 且包含 FrameTimeline 的 trace 更适合 SmartPerfetto滑动、启动、ANR、GPU/渲染各自需要不同 category。没有对应数据源时正确行为应该是标出缺失信号而不是编一个确定结论。分析结论不符合预期时优先贴报告中的证据位置。比如某个结论写了“主线程 Runnable 等待 120ms”就把对应Q1/C1、evidenceRefId、表格行、列名和值一起贴出来。这样反馈可以直接变成 SQL 修复、Skill 分支或报告 contract 修复。当前最需要的反馈SmartPerfetto 当前缺的是能复现、能回归、能改进 Skill 的样本。泛泛评价很难转成代码修复或 Skill 改进。更有价值的反馈通常长这样•某条滑动 trace 里SmartPerfetto 把 jank 归到 RenderThread但人工看是主线程 Binder 等待。请附上时间段、frame id、相关 SQL 或截图。•某条报告里的逐句数据引用指到了错误行或缺少关键数值。请附Q1/C1、evidenceRefId、Result ID、HTML report 和对应表格截图。•某个 provider 在openai-agents-sdk下 tool call 参数变形。请附 runtime、provider、模型 ID、协议类型和 session log。•某个设备/厂商 trace 缺少常见表导致 Skill 失败。请附 Android 版本、trace category、失败 Skill 名称和错误日志。•多 Trace 对比里某个 Result ID 找不到。请附 workspace、可见性、Result ID、当前窗口状态和操作步骤。一条好的 bug 反馈应该能变成三类东西之一代码修复、Skill 分支、回归测试。只有截图和一句“结果不对”很难判断问题在 trace、模型、provider、前端状态还是后端工具。收束SmartPerfetto 这两周的变化方向很清楚从“在 Perfetto 里加一个 AI 对话窗口”走向“把 trace 分析变成可查询、可复用、可分享、可回归的工程系统”。它仍处在快速开发阶段。公开 API、内部合约、Provider preset、企业部署面都会继续调整。对普通用户来说最稳的路径是用 Docker 或免安装包跑一条自己的 trace对贡献者来说最有用的输入是可复现 trace、能说明错误归因的证据、能补进 Skill/策略的 SQL 和回归样本。如果你已经在 Android 性能工作里使用 PerfettoSmartPerfetto 现在值得再试一次。两周前的介绍已经不足以代表当前仓库状态。参考链接[1] https://github.com/Gracker/SmartPerfetto: https://github.com/Gracker/SmartPerfetto[2] https://www.androidperformance.com/2026/04/29/SmartPerfetto-Open-Source-Perfetto-AI-Assistant/: https://www.androidperformance.com/2026/04/29/SmartPerfetto-Open-Source-Perfetto-AI-Assistant/
SmartPerfetto 两周更新内容汇总
4 月 29 日写 SmartPerfetto 开源介绍时重点还是“在 Perfetto UI 里放一个能查 SQL、跑 Skill、生成报告的 AI Assistant”。两周后的仓库状态已经变了不少功能从单条 trace 的问答扩到了分析结果复用、多 trace 横向比较、Claude/OpenAI 双 runtime、SQL guardrail、证据来源索引、免安装包、渲染管线教学和更完整的 Provider 诊断。本文基于 2026 年 5 月 17 日的 SmartPerfetto 当前仓库状态补一篇新的功能说明。读者看完应该能知道三件事这两周新增了什么、现在完整功能边界在哪里、报 bug 时该提供哪些信息。项目地址•SmartPerfetto 主仓库https://github.com/Gracker/SmartPerfetto[1]•上一篇开源介绍https://www.androidperformance.com/2026/04/29/SmartPerfetto-Open-Source-Perfetto-AI-Assistant/[2]两周内变化最大的地方上篇文章里写到的几个数字已经过时。那时仓库里是 165 个 YAML Skill、12 个场景策略当前仓库状态下backend/skills/已经有 220 个*.skill.yaml去掉_template后是 216 个功能性 Skill 文件backend/strategies/里有 18 个.strategy.md和 26 个.template.md。这不是简单地把文件数堆上去。变化主要落在六类用户会感知到的地方方向之前的主路径当前状态Trace 分析单条 trace 上提问、跑 Skill、看报告保留原路径并增加选区追问、结果快照、跨窗口结果对比多 Trace 对比当前窗口选择 reference trace偏实时新增分析结果 snapshot对比已完成结果不要求另一个窗口继续打开模型接入Claude Agent SDK 是主路径Claude Agent SDK 与 OpenAI Agents SDK 都是一等 runtimeProvider 配置主要靠.env和 README 说明UI Provider Manager、active profile、env fallback、/health诊断一起工作证据可靠性主要依赖 prompt 约束模型写 SQL 和引用证据SQL stdlib guardrail、最终可执行 SQL、证据 ID、数据来源说明、逐句数据引用进入 contract运行分发Docker 和本地源码为主Docker、Windows/macOS/Linux 免安装包、本地源码、CLI/API 都进入文档和发布流程过去两周还修了一批影响可用性的边界问题大 trace 上传限制提升到 5 GiB并增加 admission 和磁盘预检查启动脚本会清理孤儿trace_processor_shell并自动打开浏览器Linux glibc、IPv6-disabled host、Claude SDK native binary 选择、Docker env provider 优先级、OpenAI/MiMo tool calling 兼容性、Perfetto frontend 预构建资产校验都做了修复。这类修复看起来不像新功能但它们决定了普通用户能不能把第一条真实 trace 跑完。当前完整功能地图SmartPerfetto 现在可以按“入口、分析、证据、输出、运行方式”五层理解。功能面当前能力适合场景Perfetto UI 内 AI Assistant加载.pftrace/.perfetto-trace后直接提问支持fast、full、auto三种分析模式日常看 trace快速问包名、进程、启动、滑动、ANR选区和事件上下文Perfetto area selection / track event selection 会作为selectionContext传给后端只分析某段时间、某一帧、某个可疑 slice 前后发生了什么常见场景策略18 个策略覆盖 startup、scrolling、ANR、interaction、touch、memory、power、network、media、game、pipeline、teaching、overview 等场景把自然语言问题路由到合适的 SQL、Skill 和输出格式YAML Skill 系统216 个功能性 Skill 文件覆盖 atomic、composite、deep、pipeline、comparison、module 等类型把 Perfetto SQL、显示列、分层结果和边界处理写成可复用分析单元SQL 与 Skill 证据结果里保留 SQL、Skill 表格、时间戳、线程、slice、metric 来源把“模型判断”落回 trace 数据方便复核SQL guardrail 与 stdlib 知识库raw SQL 自动补齐 stdlib includeSkill validator 检查 table/function/macro 依赖SQL 展示/复制使用最终可执行 SQL降低 SQL 因 Perfetto stdlib 迁移、缺 include 或 unsafe create 造成的误判全局 Trace Sanityglobal_trace_sanity_check汇总最长 slice、D 状态、Runnable 等待、Runqueue 压力和 CPU 热点进程开始场景分析前先看全局瓶颈避免只盯住单个线程或单个 Skill证据来源索引DataEnvelope 带evidenceRefId、traceSide、sourceToolCallId、plan phase、producer reason报告支持逐句数据引用追问“这个数字从哪张表哪一行来”时有稳定 ID 和行列信息HTML 分析报告每次分析完成后生成报告通用接口/api/reports/:reportId可读取分享给团队、贴到 issue、留作回归记录Trace 实时对比compare_arrows入口选择 reference trace在同一轮 AI 分析里查询 current/reference两条 raw trace 都可访问想临时比较当前窗口与参考 trace多 Trace 分析结果对比fact_check入口选择 baseline/candidates或直接输入 Result ID对比已经完成的多次分析结果适合 A/B 测试、版本回归、多人协作Provider ManagerUI 里创建、编辑、激活 provider profileactive profile 优先于 env fallback多模型、多 provider、多协议测试不想反复改.env双 SDK runtimeclaude-agent-sdk与openai-agents-sdk分开接入支持 Anthropic/Claude-compatible、OpenAI/Ollama/OpenAI-compatible根据 provider 的真实协议能力选择 runtime渲染管线教学基于当前 trace 观测到的 App、RenderThread、Producer、SurfaceFlinger/HWC 事件生成教学结果学习 Android 出图路径并把静态知识对回本次 trace上游 Perfetto 诊断产品化heap graph、bitmap heap metadata、critical blocking calls、lock contention owner、Chrome scroll jank frame timeline 等进入 YAML Skill把 upstream Perfetto 的分析经验转成 SmartPerfetto 可执行证据Mermaid 展示AI Assistant 默认展开 Mermaid 源码块优化渲染样式支持点击放大预览报告里出现流程图、因果图、对比图时可读性更好API / CLI / MCP后端 REST SSE、gracker/smartperfettoCLI、MCP 工具文档接入脚本、CI、内部平台或直接在终端分析 trace运行与分发Docker Hub、本地源码./start.sh、Windows EXE、macOS App、Linux tarball不同用户按环境选择最少依赖路径企业/多租户基础tenant/workspace、RBAC、provider isolation、scoped trace/report metadata、runtime dashboard、lease supervisor 等已经进入主干团队部署和商业支持的基础能力大规模外部 RSS/load 实测仍按文档标记为后续验证项⚡ 证据边界SmartPerfetto 不会把整个 trace 文件塞进 prompt。模型接触到的是后端工具返回的 SQL 结果、Skill 输出、报告摘要和结构化上下文。性能数字仍来自 trace_processor_shell 和 Skill 里的确定性计算。新功能一多 Trace 分析结果对比旧的 Trace 对比更像“当前窗口 reference trace”的实时分析。这个模式仍然保留适合在一次对话里让 AI 同时查询两条 raw trace。新的多 Trace 分析结果对比换了一个对象它比较的是已经完成的分析结果。每次 AI 分析结束后SmartPerfetto 会把关键指标、证据引用、结论 contract 和报告入口保存成 analysis result snapshot。UI 顶部出现Ready result或Partial result时说明这次分析已经有了可复用结果。用户有两种入口•直接在 AI 输入框里说对比一下另外一份、对比 AR-1234abcd或者对比 AR-11111111 和 AR-22222222。•点击顶部fact_check图标打开结果选择器手动选择 baseline 和一个或多个 candidates。这个功能解决的问题不在于同时打开两条 trace而在于复用已经完成的分析结果。它不要求另一个 Perfetto UI 窗口继续打开也支持同一个 workspace 内共享结果。默认结果是 private用户显式共享后同 workspace 用户可以把它作为候选结果参与对比。输出分两层•聊天消息里给出 Comparison ID、baseline/candidates、显著变化数量和前几行关键指标。•HTML comparison report 展开标准指标、delta、输入 snapshot、显著变化和 AI 结论。当前标准化指标优先覆盖启动耗时、FPS、Jank、慢帧等可比较项。缺指标时后端会尝试回填回填失败也会完成对比但会标出缺失原因。这对性能回归很有用。一次启动优化、一次滑动手感调整、一次不同机型复测都可以在各自 trace 上先完成 AI 分析再把结果放到同一个 comparison report 里看差异。新功能二SQL、证据来源和上游诊断能力最近新增内容里最需要补充的一块是 SmartPerfetto 对证据来源的处理。用户看到的仍然是对话、表格和报告内部多了三层 contractSQL 怎么变成最终可执行版本、表格/摘要从哪个工具调用产生、结论里的数值该回到哪一行证据。第一层是 SQL guardrail。execute_sql、execute_sql_on、raw SQL auto include 和 Skill validator 现在共用同一套 stdlib dependency analyzer识别 SQL 里的 table、function、macro 和INCLUDE PERFETTO MODULE。这带来几个直接收益•raw SQL 引用了 Perfetto stdlib 表或函数时后端会尽量自动补齐需要的 module。•Skill validator 会检查 Skill 里声明的prerequisites.modules是否覆盖实际 SQL 用到的 stdlib table/function/macro。•guardrail 会检查低噪声 SQL 风险例如可重复执行的CREATE、SPAN_JOIN安全写法、直接解析args表等。•AI Assistant 展示和复制 SQL 时使用最终可执行 SQL并经过 syntaqlite formatterformatter 失败时降级到原 SQL不阻断分析。边界也要写清楚当前 guardrail 是工程 contract不是完整 Perfetto SQL AST parser。它能降低高频误判不能证明所有未来 Perfetto SQL 语法都被静态覆盖。第二层是 stdlib docs 与 lineage 知识库。仓库新增了backend/data/perfettoSqlDocs.json由 upstreamstdlib_docs.json生成 module、entity、direct/transitive includes 和可选pfsql lineage状态。lookup_sql_schema、list_stdlib_modules、query_perfetto_source可以把官方 stdlib 文档、include 关系和源码搜索结果一起返回给 Agent。这样模型写 SQL 前不再只靠记忆也不需要把所有 stdlib 细节硬写进 prompt。第三层是数据来源索引。SQL 和 Skill 产生的 DataEnvelope 可以携带evidenceRefId、traceSide、traceId、queryHash、sourceToolCallId、paramsHash、plan phase、toolNarration和producerReason。HTML report 和 analysis result snapshot 会保留这些字段。当前报告 contract 还加入了“逐句数据引用结构化来源”结论里出现关键数值、线程名、进程名、帧数或百分比时可以把它映射到evidence_ref_id、source_ref、row_index/row_selector、column和value。快速回答也接入了同一套格式。内部会先用未清理的结论文本派生 conclusion contract保留机器可读的 evidence id再生成给用户看的清理版文本。analysis result snapshot 会持久化这个 contract后续做多 Trace 对比或回看报告时来源引用不会因为前端展示清理而丢掉。这件事对排错很实用。用户不需要只说“AI 结论不对”可以指向Q1、某个evidenceRefId、某个 Result ID、某张表的某一列维护者也能判断问题在 SQL、Skill、trace 数据源、模型总结还是报告渲染。这轮还把一批 upstream Perfetto 诊断经验产品化到 YAML Skill能力SmartPerfetto 落点用户价值全局 Trace Sanityglobal_trace_sanity_check开始分析前先看最长 slice、D 状态、Runnable 等待、Runqueue 压力和 CPU 热点进程进程身份确认process_identity_resolver和 process identity gate避免同名进程、多进程 App、provider 进程导致 Skill 查错目标Heap / Bitmapandroid_heap_graph_summary、android_bitmap_memory_per_process有 heap graph / bitmap 表时输出对象和 bitmap 维度没有数据时明确降级Blocking callsframe_blocking_calls区分 MainThread、RenderThread、Binder 等 thread role并保留阻塞来源Lock contentionlock_contention_in_range、lock_contention_analysis输出 blocked thread、owner thread、owner TID、callsite 和 overlap durationChrome Scroll Jankchrome_scroll_jank_frame_timeline覆盖 Chrome v3/v4 scroll jank、tagging 和 preferred frame timeline availability这些能力不改变 SmartPerfetto 的基本原则模型负责解释和排序数值仍来自trace_processor_shell、SQL、Skill 和报告里可追溯的数据来源。新功能三Provider Manager 与双 runtimeSmartPerfetto 的模型配置现在有三条边界•Connection配 SmartPerfetto 后端地址和可选的SMARTPERFETTO_API_KEY它不是模型厂商 key。•Providers配模型 provider profile包括 Base URL、API key/token、模型 ID、协议类型。•runtime 决定后端用哪个 SDK 编排工具调用claude-agent-sdk或openai-agents-sdk。运行时选择优先级是优先级来源1请求或会话里的providerId2Provider Manager 当前 active provider3.env中的SMARTPERFETTO_AGENT_RUNTIME4默认claude-agent-sdkClaude Agent SDK 适合 Anthropic、Claude Code 本地认证、Bedrock、Vertex以及 Anthropic/Claude-compatible provider。OpenAI Agents SDK 适合 OpenAI Responses API、Ollama以及支持流式 tool/function calling 的 OpenAI-compatible gateway。Provider Manager profile 优先于.envfallback。已经创建的分析 session 会固定当时的 credential source恢复这个 session 时不会因为后来切换了 active provider 就换到另一个模型。这个约束很重要因为 trace 分析里的多轮追问依赖前一轮的工具结果和 SDK 会话状态。排障时不要只看.env。打开http://localhost:3000/health看aiEngine.runtime、aiEngine.credentialSource、aiEngine.providerMode和 diagnostics。很多 provider preset 来自公开文档可能随账号地区、套餐或控制台域名变化。连接失败、流式输出异常、tool call 不稳定时应先核对 provider 控制台里的 Base URL、模型 ID 和协议类型。新功能四渲染管线教学从静态文档转向当前 trace“出图教学”这两周做了重构。以前更像是检测一个主管线展示对应 Mermaid、关键 slice 和教学文档。现在目标换成了基于当前 trace 里真实观测到的事件展示 App、Framework、RenderThread、Producer、BufferQueue/Transaction、SurfaceFlinger/HWC、present 这些角色之间发生了什么。新的后端服务会构造observedFlow•lanes 表示当前 trace 中可观测到的角色例如 app、render_thread、producer、buffer_queue、surfaceflinger、hwc_present。•events 表示真实 slice/thread/process/layer 事件带ts、dur、durMs、evidence source 和可选 frame/layer 关联。•dependencies 表示可确认的依赖例如 wakeup 或 critical path。•completeness 标明缺哪些信号避免把静态知识伪装成本次 trace 的事实。这对混合渲染尤其重要。WebView、Flutter、React Native、TextureView、SurfaceView、OpenGL ES、Vulkan、Camera、Video、Game engine 这类 producer 不能简单归到一个“主管线”里。SmartPerfetto 现在会把 host HWUI 和 producer 分开展示再根据证据说明二者有没有依赖。教学功能的价值不在于替用户背 Android 出图机制而是把知识点贴回本次 trace 里的实际事件。用户看完应该能知道本次 trace 里哪些路径看到了证据哪些路径因为采集缺口还不能确认。这两周的可用性修复新增功能之外最近的修复主要集中在“真实用户把工具跑起来”这件事上。修复方向用户感知5 GiB trace 上传更大的 trace 可以走上传路径后端先做 admission 和磁盘预检查避免上传到一半才失败启动脚本清理孤儿进程上次异常退出后残留的trace_processor_shell不容易占住端口本地启动自动打开浏览器./start.sh跑起来后更接近日常工具体验Linux glibc / IPv6-disabled hostUbuntu 20.04、禁用 IPv6 的环境更容易启动Claude SDK native binary fallback可选 native 包选错平台时后端能走自动 fallbackOpenAI/MiMo 兼容性修复 reasoning content、tool 参数、plan phases、startup_slow_reasons等兼容问题quick/full session 隔离切换 fast/full/auto 时轻量上下文和完整上下文不会混用stale SDK conversation recoveryClaude/OpenAI 会话句柄过期时后端能恢复或降级避免第二轮追问直接断掉process identity gateSkill 执行前会校验目标进程身份避免包名、进程名或多进程场景把 SQL 查到错误对象SQL stdlib guardrail缺失 stdlib include、unsafe create、SPAN_JOIN 和 args 解析问题能在 validator 或 guardrail 阶段暴露跨窗口结果对比多窗口下的结果选择、heartbeat、Result ID 使用更稳定backend trace_processor 隔离本地 trace 和 backend-created trace processor target 分开处理降低第二条 trace 错用目标的概率frontend prebuild 资产守卫syntaqlite-*、trace_processor.wasm、trace_processor_memory64.wasm、manifest hash 进入校验降低免安装包和 Docker 漏资产风险Mermaid 体验源码默认展开、样式更清楚、图表支持点击放大这些问题很多来自真实 issue 和本地复现。SmartPerfetto 的困难不只在“模型会不会分析”还在模型、Perfetto UI、后端 SSE、trace_processor_shell、浏览器窗口、provider 协议之间的状态是否一致。任何一个状态漂移最终都会表现成“AI 结果不可靠”。现在怎么选运行方式普通用户优先选 Docker 或免安装包。运行方式适合谁说明Docker Hub只想快速试用或部署不需要 Node.js不需要初始化 submodule需要在.env或 UI Provider Manager 配模型凭证免安装包不想安装 Docker 的用户Windows 解压双击SmartPerfetto.exemacOS 双击SmartPerfetto.appLinux 运行./SmartPerfetto本地源码./start.sh开发者、想跟主干的人使用仓库提交的预构建 frontend日常后端/Skill/策略改动不需要构建 Perfetto UIDev 模式./scripts/start-dev.sh修改 AI Assistant 插件 UI 的人需要初始化perfetto/submodule保存前端代码后 watch 构建CLIsmp想在终端或脚本里分析 trace 的人复用 agentv3、Skill、报告生成和本地 session 存储源码运行的 Node.js 要求是 24 LTS。仓库有.nvmrc和.node-versionnpm 开了engine-stricttrue./start.sh、./scripts/start-dev.sh、./scripts/restart-backend.sh会优先通过 nvm/fnm 切到 Node 24。macOS 免安装包当前采用 ad-hoc signing避免被系统直接判为 damaged正式公证仍需要 Developer ID 和 notary profile。这个状态应在发布说明里写清楚避免用户把 Gatekeeper 行为当作后端问题。赞助与商业支持SmartPerfetto 的开源维护成本主要来自四类地方真实 trace 复现、模型 token、Provider 兼容性验证、跨平台发布包验证。项目接受个人赞助、企业赞助、AI Credits / Token 厂商赞助也接受围绕 AGPL 的商业授权和企业支持咨询。个人赞助适合支持开源维护、测试 trace、文档示例和公开 demo 的模型消耗。个人赞助者可以进入 README 的感谢名单如果赞助者希望匿名也可以只记录为匿名支持。普通企业赞助适合支持长期维护、问题复现、公开文档和回归测试。企业赞助者也可以进入 README 感谢名单并在 sponsor 页面展示企业名称和链接。更深的企业合作可以放到商业支持里处理例如 Android 性能 trace 专家诊断、Perfetto / SmartPerfetto 团队培训、企业内部部署、定制 YAML Skill / Strategy、商业授权与集成咨询。LLM / API / Token 厂商赞助更适合用 credits、token 套餐、试用账号或开发者额度支持 SmartPerfetto。SmartPerfetto 这类工具只会聊天不够还要稳定支持流式输出、tool/function calling、长上下文恢复、结构化参数和真实 trace 分析。厂商赞助可以换来三类更直接的项目支持赞助类型项目侧支持个人赞助README 感谢名单支持开源维护和公开示例成本普通企业赞助README 感谢名单sponsor 页面展示企业支持/培训/诊断合作入口LLM / Token 厂商赞助README 前部赞助展示Provider 配置说明模型推荐候选第一时间适配和回归验证这里的“模型推荐”必须基于实际验证。赞助不会改变 SmartPerfetto 的默认 Provider 选择、兼容性结论或技术判断如果某个模型在真实 trace 分析、工具调用或长程推理里不稳定文档会如实说明。反过来如果一个厂商提供了可持续 credits并且模型在 SmartPerfetto 的真实分析任务中稳定跑通就适合进入 README 更靠前的位置、Provider 配置指南和推荐模型说明。联系方式仍然走当前 sponsor 页面和 README 里的微信553000664。安全问题、商业授权和企业内部部署需求应单独沟通不要混在公开 bug issue 里。Bug 反馈该怎么写SmartPerfetto 的 bug 反馈入口是 GitHub Issues。安全问题不要发公开 issue走 GitHub private advisory 或安全邮箱。普通 bug 里至少写清楚当前模板要求的六项Description、Component、Steps to Reproduce、Trace Information、Logs / Screenshots、Environment。对 SmartPerfetto 来说还应补齐版本、平台和 LLM 配置因为很多问题由 provider 协议、模型 tool calling、trace 采集质量、runtime session 状态共同影响不能只按前端或后端 bug 处理。一份可定位的反馈建议包含这些字段类别要写什么SmartPerfetto 版本版本号、commit、Docker image tag、免安装包文件名至少给出其中一种运行方式Docker Hub、源码./start.sh、dev 模式、Windows/macOS/Linux 免安装包、CLI平台环境OS 版本、浏览器、Node.js 版本Docker 路径还要写 Docker Desktop/Engine 和 WSL2 状态问题组件AI Analysis、Skills、Frontend UI Panel、Trace Processor、Backend API、Provider Manager、CLI 等复现步骤从加载 trace 到点击/输入/切换的最小步骤写实际结果和期望结果Trace 信息设备、Android 版本、业务场景、trace category、是否包含 FrameTimelinetrace 大小LLM / Providerruntime 是claude-agent-sdk还是openai-agents-sdkprovider 名称、模型 ID、Base URL、协议类型、配置来源是 Provider Manager 还是.env分析选项fast、full、auto是否在多轮追问中切换过模式证据定位Result ID、HTML report、evidenceRefId、sourceToolCallId、逐句数据引用里的Q1/C1、相关 SQL 或 Skill 表格证据材料后端日志、backend/logs/sessions/、截图、HTML report、Result ID、/health的aiEngine片段隐私边界trace 可能包含业务和用户数据公开 issue 不要直接上传敏感 trace可以先贴脱敏信息必要时再私下沟通样本Provider 相关问题要把“模型能聊天”和“模型能稳定 tool call”分开描述。SmartPerfetto 依赖流式输出、tool/function calling、上下文恢复和结构化参数。一个 provider 在普通聊天里正常不代表它能跑完整 trace 分析。Trace 相关问题也要写采集条件。Android 12 且包含 FrameTimeline 的 trace 更适合 SmartPerfetto滑动、启动、ANR、GPU/渲染各自需要不同 category。没有对应数据源时正确行为应该是标出缺失信号而不是编一个确定结论。分析结论不符合预期时优先贴报告中的证据位置。比如某个结论写了“主线程 Runnable 等待 120ms”就把对应Q1/C1、evidenceRefId、表格行、列名和值一起贴出来。这样反馈可以直接变成 SQL 修复、Skill 分支或报告 contract 修复。当前最需要的反馈SmartPerfetto 当前缺的是能复现、能回归、能改进 Skill 的样本。泛泛评价很难转成代码修复或 Skill 改进。更有价值的反馈通常长这样•某条滑动 trace 里SmartPerfetto 把 jank 归到 RenderThread但人工看是主线程 Binder 等待。请附上时间段、frame id、相关 SQL 或截图。•某条报告里的逐句数据引用指到了错误行或缺少关键数值。请附Q1/C1、evidenceRefId、Result ID、HTML report 和对应表格截图。•某个 provider 在openai-agents-sdk下 tool call 参数变形。请附 runtime、provider、模型 ID、协议类型和 session log。•某个设备/厂商 trace 缺少常见表导致 Skill 失败。请附 Android 版本、trace category、失败 Skill 名称和错误日志。•多 Trace 对比里某个 Result ID 找不到。请附 workspace、可见性、Result ID、当前窗口状态和操作步骤。一条好的 bug 反馈应该能变成三类东西之一代码修复、Skill 分支、回归测试。只有截图和一句“结果不对”很难判断问题在 trace、模型、provider、前端状态还是后端工具。收束SmartPerfetto 这两周的变化方向很清楚从“在 Perfetto 里加一个 AI 对话窗口”走向“把 trace 分析变成可查询、可复用、可分享、可回归的工程系统”。它仍处在快速开发阶段。公开 API、内部合约、Provider preset、企业部署面都会继续调整。对普通用户来说最稳的路径是用 Docker 或免安装包跑一条自己的 trace对贡献者来说最有用的输入是可复现 trace、能说明错误归因的证据、能补进 Skill/策略的 SQL 和回归样本。如果你已经在 Android 性能工作里使用 PerfettoSmartPerfetto 现在值得再试一次。两周前的介绍已经不足以代表当前仓库状态。参考链接[1] https://github.com/Gracker/SmartPerfetto: https://github.com/Gracker/SmartPerfetto[2] https://www.androidperformance.com/2026/04/29/SmartPerfetto-Open-Source-Perfetto-AI-Assistant/: https://www.androidperformance.com/2026/04/29/SmartPerfetto-Open-Source-Perfetto-AI-Assistant/
