不止告诉你哪里卡还能给你怎么修的代码。痛点你是否也在这样定位卡顿作为 Android 开发者你可能经历过这样的场景QA 说列表滑动有点卡但你复现不了Systrace 抓了 20 秒数据看了半天不知道从哪入手Profiler 里一堆调用栈到底哪个才是掉帧的元凶好不容易定位到问题优化方案还得自己翻文档找PerfettoKit就是为了解决这些问题而生的。一句话介绍PerfettoKit是一个面向 Android 开发者的轻量级性能检测 SDK集成了多维数据采集、规则引擎、方法级根因定位和 AI 智能诊断从检测到修复建议一步到位。核心亮点1. 方法级根因定位不再大海捞针传统工具告诉你第 42 帧掉了PerfettoKit 直接告诉你 JankDemo.heavyCompute 8次超时, 影响 11/28帧掉帧, 累计 264ms, 均 33.0ms, 峰值 41ms 链: SampleAdapter.onBind → JankDemo.heavyCompute → IntArray.sort怎么做到的5ms 周期栈采样— 高精度捕获方法热点Choreographer 慢消息抓栈— 在掉帧的精确时刻抓取调用链对比归因算法— 对比掉帧期间和正常期间的栈差异找出真正变慢的方法而不是高频但低耗时的方法2. AI 智能诊断从数据到代码修复这是 PerfettoKit 最独特的功能 — 集成 LLM 智能分析━━━ AI 增强建议 ━━━ ### 根因一句话 1. 在 SampleAdapter.onBind 方法中减少对象创建和字符串拼接操作。 2. 使用线程池处理可能的同步 I/O 操作。 ━━━ 代码示例 ━━━ class SampleAdapter : RecyclerView.AdapterSampleAdapter.ViewHolder() { override fun onBindViewHolder(holder: ViewHolder, position: Int) { val sb StringBuilder() sb.append(Name: ).append(data.name) holder.itemView.textView.text sb.toString() } }支持任意 OpenAI 兼容服务GPT-4o、Ollama 本地模型、DeepSeek 等。本地推理无需联网隐私安全。3. 多维数据一次采集全搞定采集维度具体指标帧率FrameMetrics 各阶段耗时、掉帧率、连续掉帧检测CPU主线程/进程 CPU 占用率内存Java/Native 堆增长、GC 频率线程线程数异常、主线程阻塞IO/网络主线程 IO、网络请求统计对象分配Bitmap 大图、频繁 GCLooper慢消息统计、超时方法4. 知识库驱动的模式识别内置 10 种常见卡顿模式YAML Skill 库自动匹配并给出针对性建议# cpu_intensive.yamlname:CPU 密集导致帧卡顿match:hotMethod:*sort*|*compute*|*calculate*|*parse*percentage:20%suggestion:-将计算密集操作移到 Dispatchers.Default 协程-大数据集排序使用分页或流式处理覆盖cpu_intensive·gc_pressure·main_thread_io·binder_block·heavy_layout·image_decode_main_thread·lock_contention·recycler_scroll·heavy_draw·memory_leak_gc30 秒接入Step 1— 添加 JitPack 仓库// settings.gradle.ktsmaven{urluri(https://jitpack.io)}Step 2— 引入依赖implementation(com.github.yeyu-lab:PerfettoKit:1.0.0)Step 3— 开始检测零代码模式// 什么都不用写SDK 通过 ContentProvider 自动初始化// 自动检测 Activity 启动、列表滑动等场景或者手动标记关键路径valsessionPerfettoKit.beginSession(checkout_flow)// ... 你的业务代码 ...valreportsession.end()// 自动输出诊断报告到 Logcat启用 AI 诊断classMyApp:Application(){overridefunonCreate(){super.onCreate()PerfettoKit.init(this,PerfettoKit.Config(aiProviderOpenAICompatProvider(apiKeyollama,// 本地模型无需真实 keybaseUrlhttp://your-pc-ip:11434/v1,modelqwen2.5-coder:7b)))PerfettoKit.enableAutoDetect()}}真实输出效果一次完整的检测报告输出Logcat━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ PerfettoKit 性能诊断报告 场景: auto_scroll_list | 时长: 3120ms ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 【总览】 实际渲染: 28/187帧 (15.0%) [FrameMetrics, 用户感知] 主线程CPU: 72.4% | 慢消息: 14条 【卡顿元凶 Top 5】 JankDemo.heavyCompute — 影响 11帧, 累计 264ms JankDemo.bitmapAlloc — 影响 7帧, 累计 145ms JankDemo.fakeSyncIO — 影响 4帧, 累计 180ms 【Skill 命中】 ✔ cpu_intensive — 命中 JankDemo.heavyCompute ✔ image_decode_main_thread — 命中 JankDemo.bitmapAlloc ✔ main_thread_io — 命中 JankDemo.fakeSyncIO ━━━ AI 增强建议 ━━━ 1. 将 IntArray.sort 移到后台线程 2. Bitmap.createBitmap 改用 Glide 异步加载 [附代码示例...]技术架构┌─────────────────────────────────────────────────────┐ │ Application │ ├─────────────────────────────────────────────────────┤ │ PerfettoKit.init() → beginSession() → end() │ ├─────────────────────────────────────────────────────┤ │ Collectors多维采集层 │ │ Frame │ CPU │ Memory │ Thread │ IO │ Looper │ ... │ ├─────────────────────────────────────────────────────┤ │ Analysis分析层 │ │ 栈采样聚合 │ 对比归因 │ 热点方法识别 │ ├─────────────────────────────────────────────────────┤ │ Rules Skills规则层 │ │ SlowFrame │ ScrollJank │ YAML Skill 模式匹配 │ ├─────────────────────────────────────────────────────┤ │ AI EnhancementAI 层 │ │ OpenAI Compatible API → 根因步骤代码示例 │ ├─────────────────────────────────────────────────────┤ │ Report输出层 │ │ Logcat │ DiagnosisReport │ SessionStore │ └─────────────────────────────────────────────────────┘与同类工具对比特性PerfettoKitAndroid ProfilerSystraceBlockCanary方法级根因定位✅⚠️ 手动分析⚠️ 手动分析❌AI 修复建议✅❌❌❌自动场景检测✅❌❌⚠️ 仅阻塞多维数据采集✅ 10维✅⚠️ 帧CPU❌ 仅主线程知识库模式匹配✅ 10种❌❌❌历史回归检测✅❌❌❌线上可用✅ 轻量❌ 开发工具❌ 开发工具✅无需 PC 连接✅❌❌✅适用场景开发阶段手动标记关键路径快速定位新引入的卡顿QA 阶段自动检测覆盖所有场景输出可读的诊断报告CI/CD历史回归检测PR 合入前自动卡性能门禁线上灰度轻量采集 本地规则匹配不依赖网络开源协议Apache License 2.0 — 商业项目可放心使用。链接GitHub: https://github.com/yeyu-lab/PerfettoKitJitPack: https://jitpack.io/#yeyu-lab/PerfettoKit一行代码接入AI 帮你修 Bug。如果觉得有用欢迎 Star ⭐implementation(com.github.yeyu-lab:PerfettoKit:1.0.0)
)
