性能测试分析报告
- Skill 标识
performance-test-report- 所属分类
- 软件测试 / 性能测试
压测跑完,报告也能更快成形。把 JMeter、Gatling 或云压测截图交给 Skill,整理关键指标、瓶颈线索和调优建议,生成便于评审分享的 HTML 分析报告。
本文目录
- Skill 概览
- 适合谁、用在什么场景
- 需要准备什么、能得到什么
- 核心能力与使用边界
- 实战教程与使用说明
- 一、为什么需要这个 Skill?
- 二、这个 Skill 是什么?解决什么问题?
- 三、适用人群与典型场景
- 四、输入与输出
- 4.1 你需要提供什么(输入)
- 4.2 你会得到什么(输出)
- 五、在 Cursor 里怎么用?
- 六、报告质量是怎么保障的?
- 6.1 报告结构规范(report-structure.md)
- 6.2 性能测试知识库(performance-testing-knowledge.md)
- 6.3 压测工具识别要点(perf-tools-guide.md)
- 6.4 填写原则(在 SKILL.md 中)
- 七、支持的压测工具与指标
- 八、Skill 目录结构(给想二次开发或迁移的测试人)
- 九、小结与使用建议
- 十、实操&附件下载、
Skill 概览
适合谁、用在什么场景
需要解释压测结果、组织性能评审材料的性能测试工程师。
需要准备什么、能得到什么
- 输入材料:一张或多张压测结果截图,以及场景、工具、目标和关注点。
- 交付产物:包含指标解读、瓶颈线索与优化建议的 HTML 性能分析报告。
核心能力与使用边界
- 核心能力:按报告结构规范、性能知识库和工具识别要点组织分析。
- 使用边界:截图信息可能不完整;瓶颈推断需结合监控与日志验证,没有验收线不能自行判定达标。
实战教程与使用说明
一、为什么需要这个 Skill?
做性能测试的同事大多有过类似经历:
压测跑完了,JMeter / Gatling / 云压测平台里一堆曲线和数字,结论要自己总结、写进报告。
报告格式不统一:有时用 Word,有时用 Confluence,有时临时贴几张图加几段话,领导和开发看得费劲。
指标解读不自信:响应时间、TPS、错误率到底算好算差?和行业标准差多少?瓶颈该从哪几层分析?调优建议怎么写才不空泛?
时间紧:既要保证压测执行和监控,又要赶在评审前出一份「能看」的报告,经常加班凑文档。
如果有一件事能自动完成——你提供「压测结果截图 + 简单文字说明」,AI 帮你做指标解读、瓶颈推断、优化建议,并输出一份结构固定、可直接分享的 HTML 报告——就能把更多时间留给真正的压测设计和问题排查。
Performance Test Report Skill 就是为这个场景设计的:在 Cursor 里,通过一个可复用的 Skill,把「截图 + 描述」变成「专业性能分析报告」。
二、这个 Skill 是什么?解决什么问题?
Performance Test Report 是一个 Cursor Agent Skill(技能),主要做三件事:
看你的压测结果:支持 1 张或多张性能测试结果截图(如 JMeter 聚合报告、Gatling 报告、云压测平台大盘等),以及你补充的文字描述(场景、工具、关注点等)。
做专业分析:结合内置的「性能测试知识库」(指标含义、行业参考、瓶颈分析顺序、调优方向),从截图和描述里提取关键指标,按「操作系统 → 中间件 → 数据库 → 应用」做分层瓶颈推断,并给出可操作的优化建议。
输出标准报告:生成一份 HTML 格式 的性能分析报告,包含「测试概述、截图与说明、性能瓶颈分析、优化建议、总结与后续建议」,版式统一、适合给领导或同组开发阅读,也可打印或转 PDF。
解决的问题可以概括为:
报告产出效率:从「自己整理数据 + 码字」变成「提供截图和说明 → 拿到一份完整报告」。
分析规范性:分析逻辑和表述方式由 Skill 内的「报告结构说明」和「性能测试知识库」约束,减少遗漏和随意发挥。
格式统一:每次生成的报告都基于同一套 HTML 模板,结构固定,便于团队沉淀和对外呈现。
三、适用人群与典型场景
角色 | 典型场景 |
性能测试工程师 | 压测执行完后,需要快速出一份给项目组/领导的正式报告;多轮压测对比时,希望每轮报告结构一致、便于对比。 |
测试开发 / 自动化 | 在脚本或平台中跑完压测,把结果截图或导出图路径交给 AI,自动生成分析报告,减少手工写报告时间。 |
开发 / 运维 | 自己做接口压测或容量摸底时,需要一份「带结论和建议」的简要报告,而不是只有原始曲线图。 |
典型使用场景:
单场景压测结束(如登录接口、下单流程、混合场景)。
多轮压测中的某一轮需要单独留档或评审。
需要把「截图 + 口头结论」整理成正式文档,便于归档或跨团队沟通。
四、输入与输出
4.1 你需要提供什么(输入)
必选:1 张或多张性能测试结果截图。
可以是 JMeter 聚合报告/曲线、Gatling HTML 报告截图、LoadRunner Analysis 图、云压测平台(如 PTS、WeTest 等)的结果页、自研平台的监控大盘等。
在 Cursor 里可以直接粘贴截图,或提供已保存的图片路径(便于报告里直接引用图片)。
建议补充:简短文字描述,例如:
测试场景(如「登录接口 100 并发」「下单流程混合场景」);
使用的工具(若截图里不明显);
关注点或目标(如「看 P99 是否 < 500ms」「验证 1000 TPS」);
环境说明(测试环境 / 预发等,可选)。
描述越清晰,生成的「测试概述」和「瓶颈分析」越贴你的实际诉求。
4.2 你会得到什么(输出)
一份 HTML 文件(默认文件名为
performance-report.html,也可指定路径),包含以下五部分:
章节 | 内容说明 |
一、测试概述 | 测试时间/工具/场景/环境/目标等摘要,便于读者快速了解「测了什么」。 |
二、测试结果截图与说明 | 报告中嵌入或引用你提供的截图,并对每张图做简要说明(主要指标、异常点、与结论的关系)。 |
三、性能瓶颈分析 | 基于截图数据与描述,用表格或分点列出可能瓶颈(现象、可能原因、依据);分析顺序遵循「操作系统 → 中间件 → 数据库 → 应用」。 |
四、优化建议 | 按层次或优先级给出的可执行建议(应用/数据库/中间件/资源等),便于开发和运维落地。 |
五、总结与后续建议 | 1~2 段话概括结论、风险与建议下一步(如复测条件、监控重点、优化排期)。 |
报告为单文件 HTML,内嵌样式,用浏览器打开即可查看;适合邮件附件、内部 Wiki 链接、或打印/转 PDF 后给领导或评审用。
五、在 Cursor 里怎么用?
确保 Skill 已启用
将
performance-test-report这个 Skill 放到当前项目或 Cursor 可识别的技能目录中,并在 Cursor 里启用/引用该 Skill(具体方式以你使用的 Cursor 版本为准,一般为项目下某目录或设置中的 Skill 列表)。
发起一次对话
在对话中上传 1 张或多张压测结果截图(粘贴或拖拽),并用文字简单说明测试场景、工具、关注点(见上一节)。
明确说出你的需求,例如:
「根据这些截图和描述做性能分析,并生成一份 HTML 报告。」
「这是登录接口的 JMeter 聚合报告,请分析并输出性能测试报告。」
等待生成
AI 会按 Skill 内的工作流:读取报告模板与知识库 → 分析截图与描述 → 填写各章节 → 输出完整 HTML。
若你提供了截图文件路径,报告里会尝试引用该路径嵌入图片;若只有对话内粘贴的图,报告中会保留对图的文字说明,并提示你可将截图保存到指定路径后刷新查看。
查看与二次编辑
报告会保存到约定路径(如项目下的
performance-report.html或你指定的路径)。用浏览器打开即可;如需微调表述或补充信息,可直接编辑 HTML 或让 AI 再改一版。
六、报告质量是怎么保障的?
要保证「分析专业、结论有据、建议可落地」,Skill 里内置了三类资源,AI 在生成报告时会按需使用。
6.1 报告结构规范(report-structure.md)
明确定义了五章各自写什么、怎么写(测试概述写哪些要素、截图与说明的呈现方式、瓶颈分析的表格与依据、优化建议的层次与表述)。
要求分析顺序遵循「操作系统 → 中间件 → 数据库 → 应用」,避免只谈现象不谈层次。
约定模板中的占位区域(SECTION),保证每次生成的报告结构一致,便于团队统一格式。
6.2 性能测试知识库(performance-testing-knowledge.md)
这是保证分析专业度的核心文档,整理自业界常见实践与多篇性能测试文章,包括:
性能测试概念与分类:基准 / 负载 / 稳定性 / 压力 / 并发测试的区别与关注点,便于在概述和总结里「定性」本次测试类型。
核心指标与行业参考:
响应时间(RT):互联网/金融/保险/制造业的参考区间,以及 2/5/10 秒用户体验原则。
TPS/QPS/HPS:含义与典型行业参考范围。
并发用户数、错误率(成功率 ≥99.4% 等)的定义与参考。
资源与中间件指标:CPU/内存/磁盘/网络利用率警戒参考;中间件、数据库常见关注点(线程池、连接池、GC、慢 SQL、锁等)。
瓶颈分析规范:按层次分析的顺序、常见瓶颈表现(RT 上升、错误率突增、TPS 拐点、资源打满等)、书写要求(现象 + 依据 + 可能原因)。
调优方向规范:按中间件 / 数据库 / 应用 / 系统资源给出可操作方向,避免空泛建议。
指标评估与解读技巧:如 RT 的组成、TPS 与并发的关系、峰值 QPS 的 2/8 估算等,便于在报告中写出有理有据的结论。
AI 在写「瓶颈分析」和「优化建议」时会优先参照这些规范,使报告中的结论和行业习惯、常见实践对齐,更适合对外或对领导汇报。
6.3 压测工具识别要点(perf-tools-guide.md)
针对 JMeter、Gatling、LoadRunner、云压测/自研平台 的典型界面和常见指标做了简要说明(如 JMeter 的聚合报告字段、Gatling 的 requests/s 与 P95/P99 等)。
帮助 AI 从截图中正确识别工具类型和指标含义,减少「看错指标、误读曲线」的问题,从而提升分析准确性。
6.4 填写原则(在 SKILL.md 中)
客观:基于截图可见数据和用户描述进行分析,不臆测无依据的结论。
可读:结论与建议分条列出,必要时用表格;面向领导与开发,避免过多行话并适当解释术语。
可操作:优化建议尽量具体(如涉及缓存、索引、连接池、限流等时指明方向),并区分短期可做与中长期改进。
综合以上,报告既有一致的结构和版式,又有统一的「指标含义 + 行业标准 + 分析/调优规范」作支撑,适合作为团队内标准的性能测试分析报告产出方式。
七、支持的压测工具与指标
Skill 在设计上不绑定某一款工具,只要截图里能看出是性能测试结果即可。当前在「工具识别与指标解读」上做了重点支持的包括:
工具 / 平台 | 典型识别点 | 常用指标 |
Apache JMeter | 树形测试计划、聚合报告/监听器、表格与曲线 | Samples、Average/中位数、90%/95%/99% 百分位、Error%、Throughput、Received/Sent KB/s |
Gatling | 控制台或 HTML 报告、请求与响应时间分布 | requests/s、response time (min/mean/max/p95/p99)、success/failed |
LoadRunner / Performance Center | Controller、Analysis 图表 | Vusers、TPS、Average Response Time、Throughput、Errors |
云压测 / 自研平台 | 大盘与曲线、施压配置 | QPS/TPS、RT、成功率/错误率、并发数等 |
若你使用的是其他工具(如 Locust、k6、wrk 等),只要在描述中说明工具名称和截图含义,AI 仍可基于「通用指标」(RT、TPS、错误率、资源占用)和知识库中的通用分析框架生成报告;必要时可以在 Skill 的 perf-tools-guide.md 中自行补充该工具的识别要点。
八、Skill 目录结构(给想二次开发或迁移的测试人)
只想用:只要保证
performance-test-report整体被 Cursor 识别为 Skill,按上文「怎么用」操作即可。想改报告版式:编辑
assets/report-template.html,保留<!-- SECTION: xxx -->占位即可。想改分析标准或补充工具:编辑
references/下对应 md;例如在performance-testing-knowledge.md中增加你们公司的 RT/TPS 基线,或在perf-tools-guide.md中增加内部压测平台的说明。
九、小结与使用建议
Performance Test Report Skill 面向的是「有压测结果、需要快速产出规范分析报告」的场景,尤其适合软件测试工程师在 Cursor 里把「截图 + 描述」变成「可直接给领导、开发看的 HTML 报告」。
报告结构固定、分析有据(知识库 + 行业参考 + 分层瓶颈与调优规范),并支持多种常见压测工具;你只需提供结果截图和简单说明,即可在几分钟内得到一份可分享、可归档的正式文档。
使用建议:
描述中尽量写清「场景、工具、目标或关注点」,便于 AI 写好概述和总结。
若有多张图(如既有 TPS 曲线又有资源监控),可一并上传,报告中会分图说明并综合分析。
若你们有内部性能基线或报告模板,可将其中通用部分沉淀进
references/或report-template.html,让生成的报告更贴团队习惯。
如果你在性能测试报告上经常耗时、格式不统一或对指标解读拿不准,可以尝试把本 Skill 接入当前工作流,把重复性的「整理数据 + 写报告」交给 AI,把时间留给压测设计、瓶颈定位和沟通协作。
十、实操&附件下载、
实操登陆接口压力测试结果分析测试报告截图:
performance-test-report.zip
扫码添加辅导员,发送 Skill 名称,领取源码与配套资料。