运行高吞吐量模拟并分析结果以优化组件设计
通过自动化程序改进验证和验证周期
为分布式组件设计和执行性能与弹性测试
与开发人员协作，确保功能就绪性，分析代码热点，并为监控（指标）和故障排除（日志记录）提供有效的可观察性/仪表化
验证集成性能以应对分布式计算挑战
监控、识别并解决性能瓶颈以开发容量模型
优化CPU、内存、磁盘、网络、操作系统和应用程序软件的利用率
建立并推广性能最佳实践，并在需求收集阶段强调非功能性需求
指导开发团队采用技术解决方案以提升应用程序性能
内部记录设计决策、最佳实践和经验教训
对生产环境中的性能问题进行故障排除和解决
为容量规划和灾难恢复工作做出贡献
利用生成式AI工具和框架自动化性能分析、生成合成测试数据并增强根本原因诊断
将AI驱动的洞察集成到性能监控仪表板中，用于预测性警报和异常检测
应用自然语言处理（NLP）技术自动化文档编制、从日志中提取可操作的见解并促进更快的故障排除
协作开发和部署定制AI模型，以优化应用程序和基础设施性能，并持续改进测试策略
性能测试与分析（基础）：在高级工程师指导下协助执行性能、负载和基本压力测试
使用既定工具收集和解释性能指标（如响应时间、吞吐量、CPU和内存使用率）
帮助识别简单的性能瓶颈并清晰记录发现
GenAI辅助工程实践：在监督下使用GenAI工具：生成性能测试脚本、测试数据和场景
将日志、指标和测试结果总结成清晰的报告或仪表板
协助分析性能趋势并建议潜在的优化领域
应用GenAI进行代码理解，帮助理解不熟悉的服务、API或与性能相关的代码路径
遵循团队关于负责任和安全使用GenAI的指南，包括数据隐私和验证AI生成的输出
工具与自动化支持：维护和更新现有的性能测试脚本和框架
在高级团队成员的支持下，帮助将性能测试集成到CI/CD管道中
使用GenAI协助脚本重构、文档编制和测试覆盖率改进
可观察性与监控（入门级）：学习使用监控和APM工具来观察系统在负载下的行为
协助跟踪基本KPI（延迟、错误率、资源使用率）
使用GenAI帮助解释监控仪表板并为团队起草简洁的摘要
协作与学习：与开发人员、QA和DevOps工程师密切合作，了解性能预期
作为学习者参与设计讨论和代码审查，重点关注性能考虑因素
提出问题并吸收反馈，以持续提高性能工程技能
文档与报告：以清晰、结构化的格式记录测试设置、结果和观察结果
使用GenAI工具帮助创建可读的文档、操作手册和测试摘要
维护性能基线和版本控制的测试工件
生产与预生产支持（接触级）：协助进行发布前的性能验证
在事件期间观察和支持性能调查，学习根本原因分析技术
使用GenAI帮助总结事件数据并起草事件后说明
质量、安全与可靠性意识：了解安全功能（身份验证、加密、速率限制）如何影响系统性能
遵循最佳实践，确保性能测试不暴露敏感数据，尤其是在使用GenAI工具时
成长与技能发展：持续学习性能测试基础知识、工具和云概念
对与测试、分析和开发人员生产力相关的新兴GenAI能力保持好奇心
建立系统性能、可扩展性和可靠性工程的基础知识