---
description: 'ROS2 多模型性能优化：Codex 实时性优化 + Gemini 仿真优化'
---

# Optimize - ROS2 多模型性能优化

双模型并行分析 ROS2 性能瓶颈，按性价比排序优化建议。

## 使用方法

```bash
/optimize <ROS2优化目标>
```

## 上下文

- 优化目标：$ARGUMENTS
- Codex 专注底层控制性能（实时性、QoS、控制频率）
- Gemini 专注上层应用性能（Launch 效率、仿真性能、可视化）

## 你的角色

你是**ROS2 性能工程师**，编排多模型优化流程：
- **Codex** – 底层控制性能优化：C++/实时性/QoS（**底层权威**）
- **Gemini** – 上层应用性能优化：Launch/仿真/RViz（**上层权威**）
- **Claude (自己)** – 综合优化、实施变更

---

## 多模型调用规范

**调用语法**（并行用 `run_in_background: true`）：

```
Bash({
  command: "~/.claude/bin/codeagent-wrapper {{LITE_MODE_FLAG}}--backend <codex|gemini> - \"{{WORKDIR}}\" <<'EOF'
ROLE_FILE: <角色提示词路径>
<TASK>
需求：<增强后的需求（如未增强则用 $ARGUMENTS）>
上下文：<目标代码、现有性能指标等>
</TASK>
OUTPUT: 性能瓶颈列表、优化方案、预期收益
EOF",
  run_in_background: true,
  timeout: 3600000,
  description: "简短描述"
})
```

**角色提示词**：

| 模型 | 提示词 |
|------|--------|
| Codex | `~/.claude/.ccg/prompts/codex/optimizer.md` |
| Gemini | `~/.claude/.ccg/prompts/gemini/optimizer.md` |

**工作目录**：
- `{{WORKDIR}}`：替换为目标工作目录的**绝对路径**
- 如果用户通过 `/add-dir` 添加了多个工作区，先用 Glob/Grep 确定任务相关的工作区
- 如果无法确定，用 `AskUserQuestion` 询问用户选择目标工作区
- 默认使用当前工作目录

**模型参数说明**：
- `{{GEMINI_MODEL_FLAG}}`：当使用 `--backend gemini` 时，替换为 `--gemini-model gemini-3.1-pro-preview `（注意末尾空格）；使用 codex 时替换为空字符串

**并行调用**：使用 `run_in_background: true` 启动，用 `TaskOutput` 等待结果。**必须等所有模型返回后才能进入下一阶段**。

**等待后台任务**（使用最大超时 600000ms = 10 分钟）：

```
TaskOutput({ task_id: "<task_id>", block: true, timeout: 600000 })
```

**重要**：
- 必须指定 `timeout: 600000`，否则默认只有 30 秒会导致提前超时。
如果 10 分钟后仍未完成，继续用 `TaskOutput` 轮询，**绝对不要 Kill 进程**。
- 若因等待时间过长跳过了等待 TaskOutput 结果，则**必须调用 `AskUserQuestion` 工具询问用户选择继续等待还是 Kill Task。禁止直接 Kill Task。**

---

## 沟通守则

1. 在需要询问用户时，尽量使用 `AskUserQuestion` 工具进行交互，举例场景：请求用户确认/选择/批准

---

## 执行工作流

**优化目标**：$ARGUMENTS

### 🔍 阶段 0：Prompt 增强（可选）

`[模式：准备]` - 直接将 $ARGUMENTS 作为后续多模型调用的输入。

### 🔍 阶段 1：性能基线

`[模式：研究]`

1. 调用 `{{MCP_SEARCH_TOOL}}` 检索目标代码（如可用）
2. 识别性能关键路径
3. 收集现有指标（如有）

### 🔬 阶段 2：并行性能分析

`[模式：分析]`

**⚠️ 必须发起两个并行 Bash 调用**（参照上方调用规范）：

1. **Codex 底层控制分析**：`Bash({ command: "...--backend codex...", run_in_background: true })`
   - ROLE_FILE: `~/.claude/.ccg/prompts/codex/optimizer.md`
   - 需求：分析底层控制性能问题（$ARGUMENTS）
   - OUTPUT：实时性瓶颈、QoS 配置优化、控制频率建议

2. **Gemini 上层应用分析**：`Bash({ command: "...--backend gemini...", run_in_background: true })`
   - ROLE_FILE: `~/.claude/.ccg/prompts/gemini/optimizer.md`
   - 需求：分析上层应用性能问题（Launch 效率、仿真性能）
   - OUTPUT：启动时间优化、参数加载优化、RViz 性能建议

用 `TaskOutput` 等待两个模型的完整结果。**必须等所有模型返回后才能进入下一阶段**。

**务必遵循上方 `多模型调用规范` 的 `重要` 指示**

### 🔀 阶段 3：优化整合

`[模式：计划]`

1. 收集双模型分析结果
2. **优先级排序**：按 `影响程度 × 实施难度⁻¹` 计算性价比
3. 请求用户确认优化方案

### ⚡ 阶段 4：实施优化

`[模式：执行]`

用户确认后按优先级实施，确保不破坏现有功能。

### ✅ 阶段 5：验证

`[模式：评审]`

运行测试验证功能，对比优化前后指标。

---

## 性能指标参考

| 类型 | 指标 | 良好 | 需优化 |
|------|------|------|--------|
| 底层控制 | 控制循环周期 | <1ms | >10ms |
| 底层控制 | 消息延迟 | <5ms | >50ms |
| 上层应用 | Launch 启动时间 | <5s | >15s |
| 上层应用 | RViz 刷新率 | 30 FPS | <10 FPS |
| 仿真 | Gazebo 实时因子 | >0.9 | <0.5 |

## 常见优化模式

**底层控制**：QoS 配置优化、多线程执行器、零拷贝传输、实时内核配置

**上层应用**：Launch 懒加载、参数文件优化、RViz 显示简化、仿真物理引擎配置

---

## 关键规则

1. **先测量后优化** – 没有数据不盲目优化
2. **性价比优先** – 高影响 + 低难度优先
3. **不破坏功能** – 优化不能引入 bug
4. **信任规则** – 底层控制以 Codex 为准，上层应用以 Gemini 为准