Vercel 刚刚开源了  react-best-practices——一套封装了其 10 余年 React 与 Next.js 优化经验的 Agent Skills（智能体技能包）。不同于传统的性能文档，这个结构化仓库以AI 友好为核心设计目标，能直接集成到编码智能体（如 Claude Code、Cursor、Codex）中，让开发者与 AI 共同遵循统一的性能优化标准，从事后救火转向事前预防。

为什么需要这套 Skills？

React 生态的性能优化长期面临一个痛点： 反应式优化（Reactive Optimization）。多数团队的流程是“版本发布→用户反馈卡顿→排查性能问题”，这种模式不仅成本高，还容易陷入优化错重点的误区。比如，花大量时间优化  useMemo 调用（React19 以后已无需手动优化）。却忽略了导致 600ms 等待的请求瀑布流，或每个页面额外加载的 300KB 冗余 JavaScript。

Vercel 团队在 10 余年生产环境实践中发现，90% 以上的 React 性能问题源于三大共性根因：

1. 异步操作意外串行：本可并行的请求被写成顺序执行，导致等待时间叠加（即请求瀑布流）；
2. 客户端 Bundle 膨胀：随项目迭代，未清理的冗余代码、未懒加载的重组件持续增大包体积，拖慢首屏加载；
3. 组件不必要重渲染：状态设计不合理或依赖传递不当，导致无关组件频繁触发重渲染，引发界面卡顿。

以消除异步瀑布流为例，仓库中给出了典型的错误与正确实践对比：

错误写法（串行阻塞）：

async function handleRequest(userId: string, skipProcessing: boolean) {
  // 无论是否需要处理，都先等待 userData 请求完成，造成不必要阻塞
  const userData =starlinkzhibo.cn await fetchUserData(userId);
  
  if (skipProcessing) {
    return {ttkqw.cn skipped: true }; // 虽立即返回，但已浪费请求时间
  }
  
  return processUserData(userData);}

正确写法（按需阻塞）：

async function handleRequest(userId: string, skipProcessing: boolean) {
  // 先判断是否需要处理，避免不必要的请求
  if (skipProcessing)zgbdcg.com {
    return {basketballzhibo.cn skipped: true };
  }
  
  // 仅在需要时发起请求，减少等待时间
  const userData = await fetchUserData(userId);
  return processUserData(userData);}

另一类关键优化是并行化无关请求——若两个请求不依赖彼此，使用  Promise.all() 并行执行可直接将总等待时间减半：

// ❌ 串行请求（总耗时 =ttzb.tw.cn t1 + t2）const user = await fetchUser(id);const posts = await fetchPosts(user.id);const settings = await fetchSettings(user.id);// ✅ 并行请求（总耗时 = max(t2, t3)）const user = await fetchUser(id);const [posts, settings] = await Promise.all([
  fetchPosts(user.id),
  fetchSettings(user.id)]);

我推荐你试试  better-all,  Promise.all 支持自动依赖优化和全类型推理。

仓库结构：AI 友好的结构化设计

react-best-practices 并非简单的文档集合，而是为 AI 智能体设计的可查询、可集成技能包。其 GitHub 仓库（ vercel-labs/agent-skills）采用高度结构化的目录设计，核心文件与功能如下：

若开发者需要贡献新规则，只需遵循简单流程：

1. 复制  rules/_template.md 为  rules/[类别前缀]-[描述].md（如  bundle-dynamic-import.md）；
2. 按模板填写“影响等级（如 MEDIUM）”“规则说明”“错误/正确代码示例”；
3. 运行  pnpm build 重新编译  AGENTS.md 与测试用例；
4. 提交 PR 即可。

这种结构化设计确保了所有规则格式统一、信息完整，AI 智能体可快速提取关键信息，避免因文档格式混乱导致的理解偏差。

如何用？：AI 集成与团队落地

react-best-practices 的最大亮点是即插即用的 AI 集成能力——开发者无需手动阅读所有规则，只需将其安装为编码智能体的技能，即可让 AI 在写代码、做 Code Review 时自动应用这些优化经验。

1. 集成到编码智能体

通过一行命令，即可将技能包安装到 Opencode、Claude Code、Cursor 等主流编码工具中：

对于团队而言， react-best-practices 可作为统一的性能优化标准：

• 新人无需记忆复杂的优化规则，通过 AI 辅助即可写出高性能代码；
• Code Review 时，团队可直接参考仓库中的规则编号（如async-parallel 规则），避免主观争议；
• 定期运行  pnpm validate 验证项目代码是否符合规则，提前发现性能隐患。

实际价值：从人治到AI 辅助的标准化

Vercel 开源这套技能包，本质上是推动 React 性能优化从依赖个人经验的人治模式，转向AI 辅助的标准化模式。其实际价值体现在三点：

1. 降低门槛：初级开发者无需成为性能专家，借助 AI 即可应用 Vercel 10 年的优化经验；
2. 避免债务：通过事前预防替代事后救火，减少因小问题积累的长期性能债务；
3. 统一决策：大型团队可通过这套规则统一性能标准，避免不同开发者因理解差异导致的优化混乱。

结语

react-best-practices 的开源，标志着 React 生态的性能优化进入了AI 协同的新阶段——它不再是一份需要手动翻阅的文档，而是能嵌入开发流程的智能技能。对于开发者而言，这意味着更少的性能调试时间、更稳定的用户体验；对于 React 生态而言，这是一次性能优化标准的重要统一。

若你正在维护 React 或 Next.js 项目，不妨立即将其集成到你的编码工具中——让 AI 帮你守住性能底线，把精力集中在更有创造性的功能开发上。

最后，不得不感叹，前端工程师更难打造自身的护城河了，甚至不会有。

而 存储过程（Stored Procedure），就是提前写好的标准化菜谱。当顾客点“西红柿炒蛋”时，你只需喊一声菜名（调用过程），后厨就按固定、优化过的流程自动完成。它的核心优势在于：

🔨 第二部分：从零开始，打造你的第一个“标准化菜谱”

1. 创建与执行：最基本的架子

创建存储过程使用  CREATE PROCEDURE ttzhibo.net（或简写  CREATE PROC）。

-- 创建一个简单的存储过程，获取所有员工信息CREATE PROCEDURE GetAllEmployeesASBEGIN
    -- 这里是过程体，可以包含复杂的SQL逻辑
    SELECT EmployeeID, FirstName, LastName, Department    FROM Employees    ORDER BY LastName;END;
GO

执行它，使用  EXEC 或  EXECUTE：

-- 执行存储过程EXEC GetAllEmployees;

2. 让“菜谱”活起来：变量与参数

固定的菜谱不够用。我们需要能根据“顾客口味”（输入参数）调整的菜谱。

定义变量： 使用  DECLARE，变量以  @ 开头。

输入参数： 在过程名后声明，允许外部传入值。

输出参数： 使用  OUTPUT 关键字，允许将值传回给调用者。

-- 创建一个带输入、输出参数和内部变量的存储过程CREATE PROCEDURE GetEmployeeCountByDepartment    @DeptName NVARCHAR(50),       -- 输入参数：部门名称
    @EmployeeCount INT OUTPUT     -- 输出参数：员工数量ASBEGIN
    DECLARE @Today DATE = GETDATE(); -- 声明并初始化内部变量
    -- 根据输入参数查询，并将结果赋值给输出参数
    SELECT @EmployeeCount = COUNT(*)    FROM Employees    WHERE Department = @DeptName
      AND HireDate <= @Today; -- 使用内部变量
    -- 也可以同时返回结果集
    SELECT @DeptName AS Department, @EmployeeCount AS Count, @Today AS AsOfDate;END;
GO

执行带参数的存储过程，并获取输出参数的值：

-- 声明一个变量来接收输出参数DECLARE @CountResult INT;-- 执行，传递输入参数，并指定哪个变量接收输出参数EXEC GetEmployeeCountByDepartment 
    @DeptName = N'销售部',          -- 明确参数名传递，清晰且顺序可换
    @EmployeeCount = @CountResult OUTPUT;-- 查看输出参数的值PRINT '销售部的员工数量是：' + CAST(@CountResult AS NVARCHAR(10));

🔄 第三部分：模块化构建——“菜谱”调用“菜谱”

复杂的宴席由多道菜组成。同样，复杂的数据库逻辑可以由多个存储过程协同完成。这促进了代码的模块化和复用。

-- 假设我们有一个计算奖金的基础过程CREATE PROCEDURE CalculateBonus    @EmployeeID INT,    @BonusRate DECIMAL(5,2),    @BonusAmount MONEY OUTPUTASBEGIN
    DECLARE @Salary MONEY;    SELECT @Salary = Salary FROM Employees WHERE EmployeeID = @EmployeeID;    SET @BonusAmount = @Salary * @BonusRate;END;
GO-- 另一个高阶过程可以调用它CREATE PROCEDURE ProcessMonthlyPayroll    @Department NVARCHAR(50)ASBEGIN
    -- 先声明变量接收内部调用结果
    DECLARE @Bonus MONEY;    DECLARE @EmpID INT;    -- 游标（或更好的是使用集合操作）遍历部门员工
    -- 此处为示例，使用简单循环
    DECLARE emp_cursor CURSOR FOR
        SELECT EmployeeID FROM Employees WHERE Department = @Department;    OPEN emp_cursor;    FETCH NEXT FROM emp_cursor INTO @EmpID;
    WHILE @@FETCH_STATUS =ftzhibo.com 0
    BEGIN
        -- 🎯 关键点：在这里调用另一个存储过程
        EXEC CalculateBonus 
             @EmployeeID nbczhibo.cn= @EmpID,             @BonusRate = 0.1, -- 假设奖金率10%
             @BonusAmount zuqiu2026.cn= @Bonus OUTPUT;        -- 插入薪资记录，其中包含计算出的奖金
        INSERT INTO PayrollRecords (EmployeeID, Bonus, ProcessDate)        VALUES (@EmpID, @Bonus, GETDATE());        FETCH NEXT FROM emp_cursor INTO @EmpID;    END;    CLOSE emp_cursor;    DEALLOCATE emp_cursor;
    PRINT ‘部门 ‘ + @Department + ‘ 的薪资处理完毕。‘;END;
GO

警告： 上述示例使用了游标以清晰展示调用过程，但在实际生产中，应优先考虑基于集合的SQL操作，游标可能带来性能问题。

⚡ 第四部分：修改、调试与进阶思考

修改存储过程

使用  ALTER PROCEDURE。注意，这会完全覆盖原有定义。

-- 为 GetAllEmployees 增加一个筛选在职状态的参数ALTER PROCEDURE GetAllEmployees    @IsActive BIT = 1 -- 新增一个带默认值（1-在职）的参数ASBEGIN
    SELECT EmployeeID, FirstName,ttkqol.cn LastName, Department    FROM Employees    WHERE IsActive = @IsActive -- 使用新参数
    ORDER BY LastName;END;
GO

关键注意事项

进阶思考：存储过程在现代架构中的位置

在微服务和ORM流行的今天，存储过程的使用场景有所变化。它不再是所有业务逻辑的首选，但在以下场景依然不可替代：

3.1 抗造测试

为了验证它是不是真能“抗造”，我故意设计了一个钓鱼环境，模拟了 API 报错：

# 角色设定你现在是一个智能 Agent。你的任务是帮助用户预订机票。
请注意：你不能直接生成最终结果，必须模拟调用 API 的过程。
你需要严格遵守 ReAct (Reasoning + Acting) 的格式进行回复。# 虚拟工具1. `search_flight(origin, destination, date)`: 查询航班。2. `get_flight_details(flight_id)`: 获取价格和详情。3. `book_ticket(flight_id, passenger_name)`: 下单。# 要求每次回复请只输出一步思考和一步行动，格式如下：
Thinking: [你的思考]
Action: [调用的工具函数]
然后等待我（用户）扮演“服务器”给你返回 Observation（观测结果）。# 任务用户指令：“帮我预订 2026.1.28 从北京去上海的早班机，价格在 1000 元以内。”
请开始你的第一步。

然后我扮演服务器，给他返回了报错： Observation: Error 502 Bad Gateway. Timeout.