Gratis & åpen kildekode

AI-agenten din fikk nettopp Core Web Vitals-superkrefter

Koble Claude Code til dine feltdata fra CoreDash. Den finner din verste flaskehals på tvers av millioner av sidevisninger, sporer rotårsaken i Chrome og skriver fiksingen. Agentisk webytelse, ikke en rapport, men den faktiske kodelinjen som må endres.

Installer på 2 minutter Start gratis prøveperiode av CoreDash »
claude --chrome
25+
RUM-dimensjoner forespurt
28 dager
med reelle brukerdata
5 agenter
Claude, Cursor, Windsurf, VS Code, Gemini
0
Lighthouse-poengsummer brukt

Trusted by market leaders · Client results

comparewhowhatwearworkivanestleperionfotocasaloopearplugsharvardhappyhorizonaleteiadpg mediamarktplaatsnina caremy work featured on web.devsaturnadevintaerasmusmcebayvpnmonarchkpnsnv

Ytelsesverktøy med AI har et dataproblem

De fleste AI-agenter optimaliserer for Lighthouse. En syntetisk poengsum på en simulert enhet som Google ikke bruker for rangeringer. En nyttig AI-agent for webytelse starter med de samme dataene som Google gjør: reelle brukere på billige telefoner, ustabile tilkoblinger og kontinenter utviklingsmaskinen din aldri har sett.

Lighthouse er ikke ditt rangeringssignal

Google rangerer basert på CrUX-feltdata fra reelle Chrome-brukere over 28 dager. En perfekt Lighthouse-poengsum og en strykkarakter i felten skjer hele tiden. 52 % av mobilnettsteder stryker på minst én Core Web Vitals-metrikk i felten.

Blinde agenter gjør blinde fikser

Uten reelle brukerdata vet ikke en AI-agent hvilken side som er treg, hvilket element som er flaskehalsen, eller om fiksingen hjalp. Den optimaliserer en simulering og sier seg fornøyd. Dine faktiske brukere er uenige.

Manuell etterforskning tar timer

Segmenter dataene. Lag en hypotese. Kjør en sporing. Bekreft. Skiss fiksingen. En senior ytelsessingeniør bruker 2 til 4 timer per problem. Ganger du det med hver eneste trege side på nettstedet ditt.

INP kan ikke simuleres i et laboratorium i det hele tatt Interaction to Next Paint måler hvordan reelle brukere samhandler med siden din. Ingen syntetiske verktøy kan gjenskape reell brukeratferd: hvor de trykker, hvor raskt de scroller, hvilken enhet de holder. Lighthouse rapporterer ikke engang INP. Hvis AI-agenten din kjører Lighthouse, er den blind for dine verste interaktivitetsproblemer. Feltdata er den eneste kilden.

To sannhetskilder: Feltdata møter nettleserbevis

CWV Superpowers kombinerer reelle brukerdata fra CoreDash med målrettede Chrome-sporinger. Feltdataene forteller hva som er tregt. Chrome forteller hvorfor.

CoreDash forteller agenten hva som er tregt

CoreDash sporer hver sidevisning fra hver reelle bruker. Hver metrikk tilskrives det nøyaktige elementet som forårsaker problemet. Ingen sampling, ingen tak.

Når CoreDash rapporterer en LCP på 4,2 sekunder med Load Delay som forbruker 52 % av den totale tiden på div.hero > img.main, vet agenten nøyaktig hvor den skal lete. Ikke en gjetning. En måling fra millioner av reelle økter.

Ferdigheten spør på 25+ CoreDash-dimensjoner: LCP-element, elementtype, prioritetstilstand, fasedeling, INP-interaksjonsmål, LOAF-skript, CLS-forskyvende element, enhetstype, besøkestype, nettverkshastighet, 7-dagers trender.

Chrome forteller agenten hvorfor det er tregt

CWV Superpowers besøker siden med mobilemulering: Fast 3G, 4x CPU-begrensning. Den sporer kun flaskehalsfasen som CoreDash identifiserte.

Er Load Delay flaskehalsen? Agenten undersøker nettverksfossen for oppdagelseshull. Render Delay? Den ser etter blokkerende skript og forsinkelser i innlasting av skrifttyper.

Resultatet: skjermbilder som filmstripe, nettverksfoss, og målrettet bevis som forklarer rotårsaken som dine feltdata avslørte.

Proporsjonal resonnering, ikke absolutte terskler

Lighthouse forteller deg "Render Delay is 350ms." Er det problemet? Ingen anelse. CWV Superpowers identifiserer flaskehalsen som den fasen som forbruker den største prosentandelen av den totale tiden.

INP er 350 ms. Input Delay 70 ms (20 %), Processing 80 ms (23 %), Presentation 200 ms (57 %). Presentation er flaskehalsen, selv om 200 ms høres greit ut isolert sett. Å fikse det utgjør en forskjell. Å optimalisere Input Delay merkes knapt.

Dette forhindrer den vanligste feilen i ytelsesarbeid: å fikse feil ting.

lcp breakdown img hero loaddelay

Fem trinn: Fra "noe er tregt" til kodefiks

Still et spørsmål. Fem trinn senere har du en fiks støttet av reelle brukerbevis.

1. Oppdagelse

Skanner dine CoreDash-data for de verste sidene og metrikkene. Prioriterer dårlige vurderinger, mobil, sider med høy trafikk, og p75-poengsummer som skjuler en lang hale med dårlige resultater.

2. Diagnose

Deler metrikken inn i faser. LCP: TTFB, Load Delay, Load Time, Render Delay. INP: Input Delay, Processing, Presentation. Navngir flaskehalsen i prosent.

3. Chrome-sporing

Besøker siden med mobilemulering. Sporer kun flaskehalsfasen fra trinn 2. Fanger opp nettverksfoss, filmstripe og bevis på blokkerende ressurser.

4. Rotårsak

Kombinerer begge beviskildene i én uttalelse: elementet, årsaken, CoreDash-metrikkene og hva Chrome bekreftet. Ingen tvetydighet.

5. Fiks eller rapport

Ditt valg. Bruk kodefiksen med fil, linje, element, før/etter. Generer en frittstående HTML-rapport med diagrammer og bevis. Eller begge deler.

network waterfall discover gap

25+ dimensjoner: Hver vinkel dine feltdata dekker

Dette er de faktiske CoreDash-dimensjonene agenten spør på. Ikke et sammendrag. Hele bildet.

LCP (Largest Contentful Paint)

LCP-element Elementtype Prioritetstilstand TTFB-fase Load Delay Load Time Render Delay

INP (Interaction to Next Paint)

INP-mål Input Delay Processing Presentation LOAF-skript Lastestatus

CLS (Cumulative Layout Shift)

Forskyvende element Årsak til forskyvning Tidspunkt for forskyvning

Segmenter

Enhetstype Land Nettleser OS Tilkobling Besøkestype Sidesti

Trender

7-dagers delta 28-dagers grunnlinje Regresjonsdeteksjon

Diagnostiser: Fasedeling for hver Core Web Vitals

Ikke bare poengsummer. Hver metrikk er brutt ned i faser ved hjelp av reell brukertilskrivning fra CoreDash.

Fiks LCP med AI: Largest Contentful Paint-diagnose

4-fase-inndeling: TTFB, Load Delay, Load Time, Render Delay. Identifiserer hvilken fase som forbruker den største andelen av total tid.

Elementtilskrivning: det nøyaktige LCP-elementet, dets type (bilde, tekst, bakgrunnsbilde, video), og prioritetstilstand (fetchpriority, lazy loading).

Typiske fikser: legg til preload-hint, fjern lazy loading fra hero-bilde, optimaliser bildeformat, fiks render-blokkerende skript.

Fiks INP med AI: Interaction to Next Paint-diagnose

3-fase-inndeling: Input Delay, Processing, Presentation. Den eneste metrikken du ikke kan simulere i et laboratorium. Feltdata er den eneste kilden.

Skripttilskrivning: Long Animation Frames (LOAF) navngir den nøyaktige JavaScript-filen og varigheten. Pluss sidens lastestatus når interaksjonen skjedde.

Typiske fikser: yield til hovedtråden, utsett evaluering, del opp hendelseshåndterere, content-visibility for store DOM-er.

CLS: Cumulative Layout Shift

5 årsaksmønstre: bilder uten dimensjoner, skrifttypebytter, dynamisk injisert innhold, ressurser som lastes inn sent, CSS-animasjoner på layout-egenskaper.

Tverrdimensjonal: sammenligner mobil vs. desktop, nye vs. tilbakevendende besøkende, raske vs. trege nettverk for å begrense årsaken.

Typiske fikser: legg til width/height, font-display: optional, min-height-reservasjon, bruk transform i stedet for top/left.

inp and lcp bottlenecks
Ekte eksempel

Hvordan en uttalelse om rotårsak ser ut

Ikke "vurder å optimalisere bildene dine." Dette er den faktiske utdataen. Spesifikk nok til å gjennomgå og merge.

Rotårsak:

LCP-bildet div.hero-banner > img.product-main på /product/running-shoes-42 oppdages 1 980 ms for sent fordi det mangler et preload-hint og ikke har fetchpriority="high".

CoreDash-bevis:

LCP er 3 820 ms (dårlig) på mobil, p75. Load Delay er flaskehalsen på 1 980 ms (52 % av totalen). Prioritetstilstand: 3 (ikke forhåndslastet). Trend: forverret med +340 ms over 7 dager.

Chrome-bevis:

Nettverksfossen viser et gap på 1 940 ms mellom første HTML-byte og bildeforespørselen. Bildet refereres kun i CSS, og er usynlig for preload-skanneren.

Fiks:

Legg til <link rel="preload" href="/images/hero.jpg" as="image" fetchpriority="high"> i templates/product.html på linje 12. Sett fetchpriority="high" på img-elementet på linje 47.

Generisk AI-råd:

"Vurder å legge til fetchpriority på LCP-bildet ditt og sørg for riktig forhåndslasting av kritiske ressurser."

CWV Superpowers:

Element: div.hero-banner > img.product-main

Fil: templates/product.html, linje 47

Bevis: 52 % av LCP-tiden i Load Delay (CoreDash p75). 1 940 ms oppdagelseshull (Chrome nettverksfoss).

Fiks: 2-linjers kodeendring med diff før/etter.

Sammenlign: Hvordan CWV Superpowers måler seg

Forskjellige verktøy løser forskjellige problemer. Her er hva hvert av dem faktisk gjør.

Funksjonalitet CoreDash + CWV Superpowers Chrome DevTools MCP PSI / Lighthouse MCP
Datakilde Reelle brukere (28 dager med feltdata) Enkel laboratorieøkt Simulert enkel innlasting
INP-måling ✓ Reelle interaksjoner ✗ Ingen reelle brukere ✗ Ikke målt
Fasedeling ✓ LCP-, INP-, CLS-faser ~ Manuell analyse ✗ Kun poengsum
Elementtilskrivning ✓ Nøyaktig element + prioritet ~ Hvis du vet hvor du skal lete ~ Generiske forslag
Proporsjonal resonnering ✓ Flaskehals i % ✗ Absolutte verdier ✗ Absolutte verdier
Segmentsammenligning ✓ Enhet, land, nettleser ✗ Enkeltkonfigurasjon ✗ Enkeltkonfigurasjon
Trenddeteksjon ✓ 7-dagers delta ✗ Øyeblikksbilde ✗ Øyeblikksbilde
Chrome-sporing ✓ Målrettet etter fase ✓ Full tilgang ✗ Ingen nettleser
Kodefikser ✓ Fil + linje + diff ~ Agentavhengig ~ Generiske råd

Merk: Chrome DevTools MCP er komplementær. CWV Superpowers bruker det for målrettet sporing etter at feltdata har identifisert flaskehalsen. De fungerer best sammen.

Rapporter: Slipp dem i Slack, legg dem ved i Jira

Frittstående HTML. Ingen avhengigheter. Ingen byggeprosess. Én fil med alt inkludert (inline).

cwv suporpowers report crux yield
Fullstendig rapport (med Chrome)

Fargekodede metrikk-kort, fasediagrammer, skjermbilder som filmstripe på viktige tidspunkter (first paint, LCP, innlastet), nettverksfoss som SVG, rotårsaksanalyse, og den anbefalte fiksen med før/etter-kode.

Kun RUM-rapport

Samme metrikk-kort og fasedeling, pluss elementtilskrivning og rotårsaksanalyse. Ingen filmstripe eller foss, men kvaliteten på diagnosen er identisk fordi feltdata er sannhetskilden.

Fungerer med hvilken som helst MCP-klient

Claude Code: Full ferdighet med automatisert arbeidsflyt. Oppdagelse, diagnostikk, Chrome-sporing, kodefikser og rapporter. Anbefalt.

Cursor: Plugin-installasjon med CoreDash MCP. Full diagnostikk og kodefikser inni editoren din.

VS Code, Windsurf, Gemini CLI: Enhver klient som støtter HTTP MCP-servere, kobles til CoreDash. Samme feltdata, samme tilskrivning.

Client Success

Don't just take my word for it

Kjører på 2 minutter

Automatisert Core Web Vitals-diagnostikk i terminalen din. Du trenger en CoreDash-konto der data strømmer inn. Gratisnivået fungerer.

Claude Code

claude mcp add --transport http coredash \
  https://app.coredash.app/api/mcp \
  --header "Authorization: Bearer cdk_YOUR_API_KEY"


/plugin marketplace add corewebvitals/cwv-superpowers
/plugin install cwv-superpowers@cwv-superpowers


claude --chrome


Finn mitt største CWV-problem og fiks det.

Hent API-nøkkelen din fra CoreDash → Project Settings → API Keys (MCP). Vises kun én gang. Lagres som SHA-256-hash. Skrivebeskyttet.

Cursor

/plugin-add cwv-superpowers

Legg til CoreDash i .cursor/mcp.json:

{
  "mcpServers": {
    "coredash": {
      "url": "https://app.coredash.app/api/mcp",
      "headers": {
        "Authorization": "Bearer cdk_YOUR_API_KEY"
      }
    }
  }
}

Andre MCP-klienter

Endepunkt: https://app.coredash.app/api/mcp
Header: Authorization: Bearer cdk_YOUR_API_KEY

Fungerer med VS Code (Copilot-agentmodus), Windsurf, Gemini CLI, Claude Desktop, og enhver HTTP MCP-klient. Ett MCP-endepunkt for webytelse, til alle agenter.

Ofte stilte spørsmål

Må jeg ha Chrome kjørende for å bruke CWV Superpowers?

Nei. Chrome-sporing er valgfritt. Uten det får du full feltdatadiagnostikk, fasedelinger, elementtilskrivning og forslag til kodefikser basert utelukkende på data fra CoreDash. Chrome legger til skjermbilder som filmstripe, nettverksfoss og visuell bekreftelse av rotårsaken. Begge moduser genererer rapporter.

Hvordan er dette forskjellig fra å kjøre Lighthouse i AI-agenten min?

Lighthouse kjører en enkelt syntetisk innlasting på maskinen din. CWV Superpowers bruker 28 dager med reelle brukerdata fra CoreDash: faktiske enheter, faktiske nettverk, faktiske interaksjoner. Den måler INP fra reelle brukertrykk (Lighthouse kan ikke det). Den sammenligner segmenter (mobil vs. desktop, India vs. USA). Og den bruker proporsjonal resonnering for å finne flaskehalsfasen, ikke bare absolutte poengsummer.

Hvilke AI-kodeagenter støttes?

Enhver AI-kodeagent for webytelse som støtter MCP-servere (Model Context Protocol). Claude Code har en dedikert ferdighet med en automatisert 5-trinns arbeidsflyt. Cursor, VS Code (Copilot-agentmodus), Windsurf, Gemini CLI og Claude Desktop kobler seg til via HTTP MCP-endepunktet til CoreDash. Feltdataene og tilskrivningen er identiske på tvers av alle klienter.

Er CoreDash gratis?

CoreDash har et gratisnivå som fungerer med CWV Superpowers. Du trenger data som strømmer inn fra nettstedet ditt (legg til CoreDash-skript-taggen). Gratisnivået har ingen sampling og ingen tak for sidevisninger. API-nøkler for MCP-tilgang er tilgjengelige i alle abonnementer.

Kan jeg bruke dette på klientnettsteder?

Ja. For hvert CoreDash-prosjekt kan du opprette et ubegrenset antall  dedikerte MVP API-nøkler . Legg til CoreDash på hvert klientnettsted, generer en skrivebeskyttet API-nøkkel og konfigurer MCP-klienten din. Agenten ser kun data for det aktuelle prosjektet. CWV Superpowers er MIT-lisensiert, så det er ingen begrensninger for kommersiell bruk.

MIT-lisensiert

Åpen kildekode. Ingen innelåsing.

Automatisering av Core Web Vitals som du kan inspisere og utvide. Orkestratoren, diagnosemodulene, Chrome-sporingslogikken og rapportmalene er alle på GitHub. Les hvordan det fungerer. Fork det. Utvid det. Bidra.

Start din gratis prøveperiode Se på GitHub