我让 AI 给掘金首页做了次性能体检:LCP 8.9 秒是真的,但它判读错了一处

0 阅读8分钟

chrome-devtools-mcp 最近火得厉害:掘金「开发工具」分区三天最热榜第一,腾讯云开发者社区 11 月 20 日的拆解文里,原仓库 star 数是 58377。MCP client 里加一行 npx -y chrome-devtools-mcp@latest,AI 就能摸到整套 DevTools。我关心的是一个更实际的问题:AI 拿着这些工具,到底能交出什么质量的活?报告里的数字能不能信? 所以我做了一个不太一样的实验:不给 AI 预设任何指标,只给它一个任务——"对掘金首页做一次加载性能体检",等它交报告,我再拿原始 trace 一条一条核。

环境比想象中难缠

先说环境。npm 装 chrome-devtools-mcp 本体只要一秒,因为它是打包好的单文件。麻烦在浏览器:要 Chrome 稳定版,机器上没有,得拉 Chrome for Testing。从官方 storage 走,198MB 的包以 50KB/s 的速度爬,等了十分钟才下到十分之一。切 npmmirror 镜像,11MB/s,18 秒完事。解压出来 413MB,版本 158.0.8127.36。

第一轮实验就此撞墙。AI 接到任务,规划得头头是道:先 list_pages 确认状态,再 navigate_page,再 performance_start_trace 冷加载录制。结果第一步就报错:

Chrome failed to start: Protocol error (Target.setDiscoverTargets): Target closed

chrome-devtools-mcp is running as root and Chrome does not start as root
(https://crbug.com/638180).

容器环境是 root,而 Chromium 早就硬性拒绝 root 下启动(Chrome 需要 sandbox 用户)。有意思的是 AI 接下来的行为:它重试了一次 list_pages 确认不是偶发,又换 new_page 这个"会真正拉起浏览器"的入口再试,三次同一个错误之后,它判定这是环境级故障,然后交了这样一份报告——"LCP、请求数、瓶颈项:一个都没拿到","本报告不含任何推测或估算数值",最后还指出我的任务要求里让它调用的 submit_report 工具根本不存在,"我也不会假装调用成功"。

第一轮 4 次 DeepSeek 调用,35839 prompt tokens,买来的是一次"拒绝编造"的完整行为记录。这钱花得不冤,它让我对后面的报告有了一个基本信任:这个模型被逼到墙角时会明说拿不到,而不是凑数。

修复很简单,给 server 加两个 chromeArg:--chromeArg=--no-sandbox 和 --chromeArg=--disable-dev-shm-usage。顺带提一个更隐蔽的坑:--viewport=1440,900 直接报 "Invalid viewport. Expected format is 1280x720",分隔符是 x 不是逗号。官方 --help 里写了示例,但这个格式错误报得干净利落,也算是第一次跑通前必修的一课。

33 个工具,18 次调用

修复后重跑。tools/list 拿到的工具清单值得贴一下,33 个:

click, close_page, drag, emulate, evaluate_script, fill, fill_form,
get_console_message, get_css_styles, get_network_request, handle_dialog,
hover, lighthouse_audit, list_console_messages, list_network_requests,
list_pages, navigate_page, new_page, performance_analyze_insight,
performance_start_trace, performance_stop_trace, press_key, resize_page,
screencast_start, screencast_stop, select_page, set_logpoints,
take_heapsnapshot, take_screenshot, take_snapshot, type_text,
upload_file, wait_for

实际调用链比我想象的克制:先预热导航一次,再 resize_page 固定 1440x900,然后 performance_start_trace 带 reload: true, ignoreCache: true 做冷加载录制,24.3 秒跑完,trace 落盘到 /tmp/juejin-trace.json.gz。接下来 5 轮里它下钻了 LCPBreakdown、LCPDiscovery、ImageDelivery、ThirdParties、RenderBlocking、ForcedReflow、DOMSize、NetworkDependencyTree 八个 insight,翻了 181 条网络请求,还自己写了两段 evaluate_script 脚本做交叉验证——一段统计 resource timing,一段读 paint timing。

自己写脚本这个细节我要单独说。官方 insight 给的是 DevTools 内置启发式的结论,它没满足于此,而是直接在页面里跑 performance.getEntriesByType('resource') 自己算了一遍。这个动作后面证明价值巨大,我核对数据的时候全靠它留了两套口径。 整个第二轮:10 轮模型调用,18 次工具调用,181312 prompt tokens。

体检报告:掘金首页 LCP 8.9 秒

AI 交回的报告核心结论,先是指标本身。LCP 8956ms,它给了四段分解:TTFB 134ms、Load delay 7817ms、Load duration 48ms、Render delay 956ms。这四项加起来 8955,和 LCP 8956 基本闭合,时间线自洽。CLS 0.02,FCP 816ms,请求 181 个。

三个结论里图片的问题最直观。ImageDelivery insight 算出"单次首屏可省 4MB"——这个 4MB 是 insight 对页面全部图片优化空间的总和,三张推荐位封面图只是最大的例证:一张 1317KB,一张 780KB,一张 765KB,源分辨率 2596x2160,渲染尺寸 71x40,单边 36 倍的分辨率冗余。控制台里还有 14 条 parseImageXUrl ... parse error,AI 的判读是"这个缩放链路本身就是坏的,不是忘了用,是用了但没生效"。

埋点那边更值得看:最慢的三个请求是 mcs.zijieapi.com/webid(5.0s)、06cca64.js(3.5s,651KB)、mon.zijieapi.com 的配置接口(3.0s),前一个和后一个都是埋点/监控域。byteimg.com 以 4.1MB 拿下第三方传输体积榜首。它还注意到 RenderBlocking insight 显示"阻塞渲染的 6 个请求,预计节省 FCP 0ms、LCP 0ms",于是明确写了"不必优先动它"——这条我后面发现了问题,先按下。

作为掘金用户看到自己首页的体检报告,心情是复杂的:首屏 8.9 秒里,7.8 秒在"干等"。

逐条对 trace:我验了它报的每个数

报告好看是一回事,能不能信是另一回事。AI 在报告末尾附了原始 trace 路径,说所有事件 key 可导入 DevTools Performance 面板复核——它主动留了复核入口。我写了个脚本直接解析这个 3.7MB 的 trace 文件,对它报告里的关键数字逐条验:

AI 报告的数字原始 trace 独立核算结果
LCP 8956ms, nodeId 270, ts 2259758876(2259758876 - navigationStart) / 1e6 = 8.957s,largestContentfulPaint::Candidate 最后一条正是 nodeId 270对上
CLS 0.02LayoutShift 事件 score 求和 0.0208对上
LCP 图 7951ms 才进队列LCP 图 ResourceSendRequest 相对导航起点 7.953s对上
三张图 1317/780/765 KBResourceFinish 的 encodedDataLength:1317/780/765 KB对上,KB 级全中
byteimg.com 4.1MBbyteimg 域传输合计 4.05MB对上
2596x2160 渲染 71x40PaintImage 事件 srcWidth 2596.06, srcHeight 2160;cada1bc63 那张 1081.7x900,渲染宽 71.1对上

一个数字都没编。包括那个容易被怀疑的 2596x2160,就在 PaintImage 事件的 srcWidth/srcHeight 里躺着。唯一一处口径差异它也标注得很诚实:"请求总数 181"来自 list_network_requests 的分页原文(Showing 1-150 of 181),而 trace 录制窗口内 ResourceSendRequest 去重后是 138——前者是"录制结束到查询时刻"的累计,掘金首页的埋点一直在发。两个口径都对,它没混淆。

但判读层翻车了一处。结论一说"LCP 图不是 HTML 里的静态 img,而是由 e050eae.js 在 7.95s 才创建请求"。我查 trace 里这张图的 ResourceSendRequest 事件,initiator 字段是:

{"type": "parser", "url": "https://juejin.cn/", "lineNumber": 194, "fetchType": "img"}

parser,发起者是 HTML 解析器,不是脚本。有趣的是 AI 自己发现过这个矛盾:LCPDiscovery insight 一边说 Initiator 是 e050eae.js,一边判定"Request is discoverable in initial document: PASSED",两句话打架。它在报告"数据可信度声明"里如实摆出了矛盾,但裁决时选了"JS 注入"这个说法。原始记录站在另一边——图就在 HTML 里,排队晚是解析器被别的东西卡住了。哪种解释更有行动意义?后者:修法不是把图从 JS 里搬出来,而是查为什么解析器在 194 行停了 7 秒。

连带地,它引用的 RenderBlocking"预计节省 LCP 0ms"也可疑了:如果解析器被阻塞 7 秒才碰到 LCP 图,渲染阻塞分析说 LCP 零收益,很难两立。官方 insight 互相矛盾、AI 裁决选错边、原始 trace 一锤定音——这一整套链条是这次实验里最值钱的部分。

成本与用法判断

两轮实测的 usage 都落了盘:第一轮 35839 prompt / 1794 completion / 652 reasoning,第二轮 181312 / 9038 / 4008,合计约 217k prompt 加 10.8k completion。有个工程细节:performance_start_trace 单次返回 11603 字符,list_network_requests 一页 17651 字符,我在 client 端把单个工具输出截断到 8000 字符再进上下文,整个 agent 才没有爆上下文。

用下来的判断很明确。指标采集、下钻、交叉验证这类体力活,AI 干得又快又干净,尤其"自己写脚本验证 insight"这个动作,比很多人类工程师做得自觉;报告的数字层,这次抽查全部可信。但结论裁决必须自己拿原始数据验一遍——它会坦然暴露矛盾,也可能在矛盾里选错边。想复现这个流程的,记得让 AI 把 trace 落盘(performance_start_trace 带 filePath 参数),没有原始 trace,复核就无从谈起。