Tekoälyagenttisi sai juuri Core Web Vitals -supervoimat
Yhdistä Claude Code CoreDashin field dataan. Se etsii pahimman pullonkaulasi miljoonien sivulatausten joukosta, jäljittää juurisyyn Chromessa ja kirjoittaa korjauksen. Agenttivetoinen web-suorituskyky ei ole raportti, vaan juuri se koodirivi, jota pitää muuttaa.
Asenna 2 minuutissa Aloita ilmainen CoreDash-kokeilu »Trusted by market leaders · Client results
Tekoälyn suorituskykytyökaluilla on dataongelma
Useimmat tekoälyagentit optimoivat Lighthousea varten. Se on synteettinen tulos simuloidulla laitteella, jota Google ei käytä sijoituksiin. Hyödyllinen suorituskyvyn tekoälyagentti aloittaa samasta datasta kuin Google: todellisista käyttäjistä halpapuhelimilla, pätkivistä yhteyksistä ja maanosista, joita kehityskoneesi ei ole koskaan nähnyt.
Lighthouse ei ole sijoitussignaalisi
Google sijoittaa sivut oikeiden Chrome-käyttäjien 28 päivän CrUX-field datan perusteella. Täydelliset Lighthouse-pisteet ja surkeat field data -tulokset ovat yleinen yhdistelmä. 52 % mobiilisivustoista reputtaa kentällä vähintään yhden Core Web Vitals -mittarin.
Sokeat agentit tekevät sokeita korjauksia
Ilman oikeaa käyttäjädataa tekoälyagentti ei tiedä, mikä sivu on hidas, mikä elementti on pullonkaula, tai auttoiko korjaus. Se optimoi simulaation ja pitää työtä tehtynä. Oikeat käyttäjäsi ovat eri mieltä.
Manuaalinen tutkinta vie tunteja
Segmentoi data. Tee hypoteesi. Aja trace. Vahvista. Kirjoita korjaus. Kokenut performance-insinööri käyttää 2–4 tuntia per ongelma. Kerro tämä sivustosi jokaisella hitaalla sivulla.
INP:tä ei voi simuloida lab data -ympäristössä ollenkaan Interaction to Next Paint mittaa, miten oikeat käyttäjät ovat vuorovaikutuksessa sivusi kanssa. Mikään synteettinen työkalu ei voi jäljitellä oikeaa käyttäytymistä: minne he täppäävät, kuinka nopeasti he skrollaavat, mitä laitetta he käyttävät. Lighthouse ei edes raportoi INP:tä. Jos tekoälyagenttisi ajaa Lighthousea, se on sokea pahimmille interaktiivisuusongelmillesi. Field data on ainoa lähde.
Kaksi totuudenlähdettä: Field data kohtaa selaintodisteet
CWV Superpowers yhdistää CoreDashin oikean käyttäjädatan kohdennettuihin Chrome-traceihin. Field data kertoo sille, mikä on hidasta. Chrome kertoo, miksi.
CoreDash kertoo agentille, mikä on hidasta
CoreDash seuraa jokaisen oikean käyttäjän jokaista sivulatausta. Jokainen mittari kohdistetaan tarkalleen ongelman aiheuttavaan elementtiin. Ei otantaa, ei rajoituksia.
Kun CoreDash raportoi 4,2 sekunnin LCP:n, jossa Load Delay vie 52 % kokonaisajasta elementissä div.hero > img.main, agentti tietää tarkalleen mistä etsiä. Tämä ei ole arvaus. Se on mittaus miljoonista oikeista istunnoista.
Skill kysyy yli 25 CoreDash-ulottuvuutta: LCP-elementti, elementin tyyppi, prioriteettitila, vaihejaottelu, INP-vuorovaikutuksen kohde, LOAF-skriptit, CLS-siirtymän elementti, laitetyyppi, vierailijatyyppi, verkon nopeus, 7 päivän trendit.
Chrome kertoo agentille, miksi se on hidasta
CWV Superpowers vierailee sivulla mobiiliemulaation avulla: Fast 3G, 4x CPU throttling. Se träkkää vain sen pullonkaulavaiheen, jonka CoreDash tunnisti.
Onko Load Delay pullonkaula? Agentti tutkii verkon vesiputousmallin löytämisviiveiden varalta. Render Delay? Se etsii render blocking -skriptejä ja fonttien latausviiveitä.
Tuloksena on filmstrip-kuvakaappaukset, network waterfall sekä kohdennettu todistusaineisto, joka selittää field datan paljastaman juurisyyn.
Suhteellinen päättely, ei absoluuttisia rajoja
Lighthouse kertoo sinulle "Render Delay on 350 ms." Onko se ongelma? Ei aavistustakaan. CWV Superpowers tunnistaa pullonkaulan vaiheeksi, joka vie suurimman prosenttiosuuden kokonaisajasta.
INP on 350 ms. Input Delay 70 ms (20 %), Processing 80 ms (23 %), Presentation 200 ms (57 %). Presentation on pullonkaula, vaikka 200 ms kuulostaa irrallaan hyvältä. Sen korjaaminen vaikuttaa lopputulokseen. Input Delayn optimointia tuskin edes huomaa.
Tämä estää suorituskykytyön yleisimmän virheen: väärän asian korjaamisen.
Viisi vaihetta: "Jokin on hidasta" -tilanteesta koodikorjaukseen
Kysy siltä jotain. Viisi vaihetta myöhemmin sinulla on oikeaan käyttäjädataan perustuva korjaus.
1. Löytäminen
Skannaa CoreDash-datasi pahimpien sivujen ja mittareiden varalta. Priorisoi huonot arviot, mobiilin, korkean liikenteen sivut ja p75-pisteet, jotka piilottavat pitkän huonon hännän.
2. Diagnoosi
Jakaa mittarin vaiheisiin. LCP: TTFB, Load Delay, Latausaika, Render Delay. INP: Input Delay, Processing, Presentation. Nimeää pullonkaulan prosenttien mukaan.
3. Chrome Trace
Vierailee sivulla mobiiliemulaatiolla. Träkkää vain vaiheesta 2 löytyneen pullonkaulavaiheen. Tallentaa network waterfallin, filmstripin ja todisteet estävistä resursseista.
4. Juurisyy
Yhdistää molemmat todistuslähteet yhdeksi lausunnoksi: elementti, syy, CoreDash-mittarit ja mitä Chrome vahvisti. Ei epäselvyyksiä.
5. Korjaus tai raportti
Valinta on sinun. Ota koodikorjaus käyttöön tiedoston, rivin, elementin ja ennen/jälkeen-vertailun avulla. Generoi itsenäinen HTML-raportti kaavioilla ja todisteilla. Tai tee molemmat.
Yli 25 ulottuvuutta: Kaikki field datasi kattamat näkökulmat
Nämä ovat ne todelliset CoreDash-ulottuvuudet, joita agentti kysyy. Ei tiivistelmä, vaan kokonaiskuva.
LCP (Largest Contentful Paint)
LCP-elementti Elementin tyyppi Prioriteettitila TTFB-vaihe Load Delay Latausaika Render DelayINP (Interaction to Next Paint)
INP-kohde Input Delay Processing Presentation LOAF-skriptit LataustilaCLS (Cumulative Layout Shift)
Siirtyvä elementti Siirtymän syy Siirtymän ajoitusSegmentit
Laitetyyppi Maa Selain Käyttöjärjestelmä Yhteys Vierailijatyyppi SivupolkuTrendit
7 päivän muutos 28 päivän peruslinja Regressioiden tunnistusDiagnoosi: Vaihetason jaottelu jokaiselle Core Web Vitals -mittarille
Ei vain pisteitä. Jokainen mittari pilkotaan vaiheisiin käyttäen CoreDashin oikeaa käyttäjäattribuutiota.
Korjaa LCP tekoälyllä: Largest Contentful Paint -diagnoosi
4 vaiheen jaottelu: TTFB, Load Delay, Latausaika, Render Delay. Tunnistaa, mikä vaihe kuluttaa suurimman osan kokonaisajasta.
Elementtiattribuutio: tarkka LCP-elementti, sen tyyppi (kuva, teksti, taustakuva, video) ja prioriteettitila (fetchpriority, lazy loading).
Tyypilliset korjaukset: lisää preload-vinkki, poista lazy loading herosta, optimoi kuvan formaatti, korjaa render blocking -skripti.
Korjaa INP tekoälyllä: Interaction to Next Paint -diagnoosi
3 vaiheen jaottelu: Input Delay, Processing, Presentation. Ainoa mittari, jota et voi simuloida lab data -ympäristössä. Field data on ainoa lähde.
Skriptiattribuutio: Long Animation Frames (LOAF) nimeää tarkan JavaScript-tiedoston ja keston. Lisäksi sivun lataustila silloin, kun vuorovaikutus tapahtui.
Tyypilliset korjaukset: tee yield main threadille, viivästä evaluointia, jaa tapahtumakäsittelijät, content-visibility suurille DOM-rakenteille.
CLS: Cumulative Layout Shift
5 aiheuttajakuviota: kuvat ilman mittoja, fonttien vaihdot, dynaamisesti lisätty sisältö, myöhään latautuvat resurssit, CSS-animaatiot layout-ominaisuuksissa.
Ristiinulotteinen: vertailee mobiilia ja työpöytää, uusia ja palaavia vierailijoita sekä nopeita ja hitaita verkkoja syyn rajaamiseksi.
Tyypilliset korjaukset: lisää width/height, font-display: optional, min-height-varaus, käytä transformia top/left-ominaisuuksien sijaan.
Miltä juurisyylausunto näyttää
Ei "harkitse kuvien optimointia". Tämä on todellinen tuloste. Riittävän tarkka, jotta voit arvioida ja mergetä sen.
Juurisyy:
Sivun /product/running-shoes-42 LCP-kuva div.hero-banner > img.product-main löytyy 1 980 ms liian myöhään, koska siltä puuttuu preload-vinkki eikä sillä ole fetchpriority="high" -attribuuttia.
CoreDash-todisteet:
LCP:n arvo on 3 820 ms (huono) mobiilissa, p75. Load Delay on pullonkaula 1 980 ms ajallaan (52 % kokonaisajasta). Prioriteettitila: 3 (ei preloadattu). Trendi: huonontunut +340 ms 7 päivän aikana.
Chrome-todisteet:
Network waterfall näyttää 1 940 ms aukon HTML:n ensimmäisen tavun ja kuvapyynnön välillä. Kuvaan viitataan vain CSS:ssä, joten se on näkymätön preload-skannerille.
Korjaus:
Lisää <link rel="preload" href="/images/hero.jpg" as="image" fetchpriority="high"> tiedoston templates/product.html riville 12. Aseta fetchpriority="high" img-elementtiin rivillä 47.
Geneerinen tekoälyneuvo:
"Harkitse fetchpriorityn lisäämistä LCP-kuvaan ja varmista kriittisten resurssien asianmukainen preload."
CWV Superpowers:
Elementti: div.hero-banner > img.product-main
Tiedosto: templates/product.html, rivi 47
Todisteet: 52 % LCP:n ajasta kuluu Load Delay -vaiheessa (CoreDash p75). 1 940 ms löytymisviive (Chrome waterfall).
Korjaus: 2 koodirivin muutos ennen/jälkeen-vertailulla.
Vertailu: Miten CWV Superpowers pärjää
Eri työkalut ratkaisevat eri ongelmia. Tässä on se, mitä kukin niistä oikeasti tekee.
| Ominaisuus | CoreDash + CWV Superpowers | Chrome DevTools MCP | PSI / Lighthouse MCP |
|---|---|---|---|
| Datalähde | Oikeat käyttäjät (28 päivän field data) | Yksittäinen lab-istunto | Simuloitu yksittäinen lataus |
| INP:n mittaus | ✓ Oikeat vuorovaikutukset | ✗ Ei oikeita käyttäjiä | ✗ Ei mitata |
| Vaihejaottelu | ✓ LCP-, INP- ja CLS-vaiheet | ~ Manuaalinen analyysi | ✗ Vain pisteet |
| Elementtiattribuutio | ✓ Tarkka elementti + prioriteetti | ~ Jos tiedät mistä etsiä | ~ Geneeriset ehdotukset |
| Suhteellinen päättely | ✓ Pullonkaula prosentteina | ✗ Absoluuttiset arvot | ✗ Absoluuttiset arvot |
| Segmenttivertailu | ✓ Laite, maa, selain | ✗ Yksi konfiguraatio | ✗ Yksi konfiguraatio |
| Trendien tunnistus | ✓ 7 päivän muutos | ✗ Yksittäinen hetki | ✗ Yksittäinen hetki |
| Chrome tracing | ✓ Vaiheen mukaan kohdennettu | ✓ Täysi pääsy | ✗ Ei selainta |
| Koodikorjaukset | ✓ Tiedosto + rivi + diff | ~ Agentista riippuvainen | ~ Geneerinen neuvo |
Huomaa: Chrome DevTools MCP täydentää tätä. CWV Superpowers käyttää sitä kohdennettuun traceen sen jälkeen, kun field data tunnistaa pullonkaulan. Ne toimivat parhaiten yhdessä.
Raportit: Pudota Slackiin, liitä Jiraan
Itsenäinen HTML. Ei riippuvuuksia. Ei build-vaihetta. Yksi tiedosto, jossa on kaikki sisällä.
Täysi raportti (Chromen kanssa)
Värikoodatut mittarikortit, vaihejaottelukaaviot, filmstrip-kuvakaappaukset tärkeistä hetkistä (first paint, LCP, loaded), network waterfall SVG:nä, juurisyyanalyysi ja suositeltu korjaus ennen/jälkeen-koodilla.
Vain RUM -raportti
Samat mittarikortit ja vaihejaottelu, sekä elementtiattribuutio ja juurisyyanalyysi. Ei filmstripiä tai waterfallia, mutta diagnoosin laatu on identtinen, koska field data on totuudenlähde.
Toimii minkä tahansa MCP-asiakkaan kanssa
Claude Code: Täysi skill automatisoidulla työnkululla. Löytäminen, diagnoosi, Chrome tracing, koodikorjaukset ja raportit. Suositeltu.
Cursor: Pluginin asennus CoreDash MCP:n kanssa. Täysi diagnoosi ja koodikorjaukset suoraan editorissasi.
VS Code, Windsurf, Gemini CLI: Mikä tahansa HTTP MCP -palvelimia tukeva asiakas yhdistää CoreDashiin. Sama field data, sama attribuutio.
Client Success
Don't just take my word for it
VP Engineering, Loop
"Mobile load time down 800ms. 7% lift in checkout conversion. The ROI justified the investment immediately."
CTO, DPG Media
"He found bottlenecks in our component library that we'd missed for two years. Performance gains were visible within days."
VP Engineering, People Inc
"Seven brands, seven different stacks. Every single one got faster. No compromises on what makes each property unique."
Lead Developer, Alza
"Transferred knowledge to our engineering team. We can now diagnose and resolve performance issues independently."
Product Lead, Miro
"Our dashboards were choking on main-thread work. 25% reduction in CPU usage. Users noticed immediately."
VP Product, Expedia Group
"We had 80+ third-party scripts and were failing CWV on every major property. Arjen got us passing without touching our ad revenue."
Engineering Manager, Zalando
"Every other audit we've had gave us a list of problems. This one told us exactly what to fix first and why."
Head of Platform, Adevinta
45% reduction in blocking time across 15 marketplaces. INP from 440ms to 64ms on Fotocasa alone. Google wrote up the results on web.dev.
Head of Engineering, Swift
"Layout shift on checkout eliminated entirely. Went from 0.4 to 0.02 CLS across mobile and desktop."
Head of Digital, Rituals
"We used to break performance every other sprint. He set up budgets in our pipeline. Haven't had a regression since."
Käynnissä 2 minuutissa
Automatisoitu Core Web Vitals -diagnoosi terminaalissasi. Tarvitset CoreDash-tilin, johon virtaa dataa. Ilmainen taso riittää.
Claude Code
claude mcp add --transport http coredash https://app.coredash.app/api/mcp
/plugin marketplace add corewebvitals/cwv-superpowers
/plugin install cwv-superpowers@cwv-superpowers
claude --chrome
Etsi suurin CWV-ongelmani ja korjaa se. Ensimmäisellä yhdistämiskerralla aja /mcp, valitse coredash ja valitse Authenticate. Selain avaa CoreDash-kirjautumisen, valitset projektin ja hyväksyt, ja Claude Code tallentaa lyhytaikaisen OAuth-tokenin, joka päivittyy automaattisesti (1 tunnin pääsy, 30 päivän päivitys) ja on peruttavissa. Ei avaimen liittämistä.
Suositko API-avainta headless- tai CI-käyttöön? Lisää komentoonsa --header "Authorization: Bearer cdk_YOUR_API_KEY", jonka generoit polusta CoreDash → Project Settings → API Keys (MCP). Näytetään kerran. Tallennetaan SHA-256-tiivisteenä. Vain luku -oikeus.
Cursor
/plugin-add cwv-superpowers
Lisää CoreDash tiedostoon .cursor/mcp.json:
{
"mcpServers": {
"coredash": {
"url": "https://app.coredash.app/api/mcp",
"headers": {
"Authorization": "Bearer cdk_YOUR_API_KEY"
}
}
}
} Muut MCP-asiakkaat
Endpoint: https://app.coredash.app/api/mcp
Header: Authorization: Bearer cdk_YOUR_API_KEY
Toimii VS Coden (Copilot agent -tila), Windsurfin, Gemini CLI:n, Claude Desktopin ja minkä tahansa HTTP MCP -asiakkaan kanssa. Yksi MCP:n web-suorituskykyendpoint, kaikki agentit.
Usein kysytyt kysymykset
Pitääkö Chromen olla käynnissä, jotta voin käyttää CWV Superpowersia?
Ei. Chrome tracing on valinnainen. Ilman sitä saat täyden field data -diagnoosin, vaihejaottelut, elementtiattribuution ja koodikorjausehdotukset pelkän CoreDash-datan perusteella. Chrome lisää filmstrip-kuvakaappaukset, network waterfallin ja visuaalisen vahvistuksen juurisyystä. Molemmat tilat generoivat raportteja.
Miten tämä eroaa Lighthousen ajamisesta tekoälyagentissani?
Lighthouse ajaa yhden synteettisen latauksen koneellasi. CWV Superpowers käyttää 28 päivän oikeaa käyttäjädataa CoreDashista: oikeita laitteita, oikeita verkkoja, oikeita vuorovaikutuksia. Se mittaa INP:tä oikeista käyttäjien täppäyksistä (Lighthouse ei pysty tähän). Se vertailee segmenttejä (mobiili vs. työpöytä, Intia vs. Yhdysvallat). Ja se käyttää suhteellista päättelyä löytääkseen pullonkaulavaiheen, ei pelkkiä absoluuttisia pisteitä.
Mitä tekoälyn koodausagentteja tuetaan?
Mitä tahansa web-suorituskyvyn tekoälyn koodausagenttia, joka tukee MCP (Model Context Protocol) -palvelimia. Claude Codessa on erillinen skill automatisoidulla 5-vaiheisella työnkululla. Cursor, VS Code (Copilot agent -tila), Windsurf, Gemini CLI ja Claude Desktop yhdistävät CoreDashin HTTP MCP -endpointin kautta. Field data ja attribuutio ovat identtisiä kaikissa asiakkaissa.
Onko CoreDash ilmainen?
CoreDashilla on ilmainen taso, joka toimii CWV Superpowersin kanssa. Tarvitset dataa virtaamaan sivustoltasi (lisää CoreDash-skripti). Ilmaisella tasolla ei ole otantaa eikä sivulatausten rajoituksia. API-avaimet MCP-pääsyä varten ovat saatavilla kaikissa tilauksissa.
Voinko käyttää tätä asiakkaiden sivustoilla?
Kyllä. Voit luoda jokaiselle CoreDash-projektille rajattomasti erillisiä MCP API -avaimia. Lisää CoreDash jokaiselle asiakassivustolle, generoi vain luku -API-avain ja konfiguroi MCP-asiakkaasi. Agentti näkee vain kyseisen projektin datan. CWV Superpowers on MIT-lisensoitu, joten kaupalliselle käytölle ei ole rajoituksia.
Avointa lähdekoodia. Ei toimittajaloukkua.
Core Web Vitals -automaatio, jota voit tutkia ja laajentaa. Orkestraattori, diagnoosimoduulit, Chrome tracing -logiikka ja raporttipohjat ovat kaikki GitHubissa. Lue, miten se toimii. Forkkaa. Laajenna. Osallistu.
Aloita ilmainen kokeilu Katso GitHubissa