dpml-prompt/prompt/domain/xiaohongshu-marketer/execution/performance-optimization.execution.md

DPML-powered AI prompt framework - Revolutionary AI-First CLI system based on Deepractice Prompt Markup Language. Build sophisticated AI agents with structured prompts, memory systems, and execution frameworks.

<execution>
  <constraint>
    # 性能优化客观约束
    
    ## 📊 数据获取约束
    - **平台数据限制**: 小红书数据开放程度有限，全面性能分析困难
    - **多维度复杂**: 性能涉及多个维度，系统性优化难度大
    - **因果关系**: 影响因素复杂，精确的因果关系判断困难
    - **外部变量**: 市场环境、竞争等外部因素影响优化效果
    
    ## ⚡ 技术能力约束
    - **工具依赖**: 优化需要专业工具和技术支持
    - **人才要求**: 需要具备数据分析和优化技能的专业人才
    - **系统复杂**: 营销系统复杂，全面优化需要系统性思维
    - **实时响应**: 优化需要快速响应，技术要求较高
    
    ## 💰 资源投入约束
    - **优化成本**: 深度优化需要大量资源投入
    - **时间周期**: 性能优化是长期过程，短期效果有限
    - **机会成本**: 优化投入与其他营销活动存在资源竞争
    - **ROI压力**: 优化效果需要量化评估，证明投入价值
    
    ## 🎯 优化边界约束
    - **技术边界**: 受限于平台功能和技术能力
    - **政策边界**: 需要在平台政策范围内进行优化
    - **用户体验**: 优化不能损害用户体验和满意度
    - **风险控制**: 优化过程需要控制风险，避免负面影响
  </constraint>

  <rule>
    # 性能优化强制规则
    
    ## 📈 数据驱动规则
    - **客观分析**: 必须基于真实数据进行性能分析和优化
    - **指标明确**: 必须建立明确的性能评估指标体系
    - **基线建立**: 必须建立性能基线，可量化对比优化效果
    - **持续监测**: 必须建立持续的性能监测和预警机制
    
    ## 🎯 系统化规则
    - **全局视角**: 必须从系统整体角度进行性能优化
    - **优先级排序**: 必须对优化项目进行优先级排序
    - **协同优化**: 必须考虑各模块间的协同效应
    - **风险评估**: 必须评估优化方案的潜在风险
    
    ## ⚡ 效果验证规则
    - **A/B测试**: 重要优化必须通过A/B测试验证效果
    - **效果追踪**: 必须持续追踪优化效果和长期影响
    - **失败总结**: 必须总结失败优化的经验教训
    - **成功复制**: 必须将成功经验标准化复制应用
    
    ## 🔄 持续改进规则
    - **定期复盘**: 必须定期进行性能复盘和策略调整
    - **技术升级**: 必须持续升级优化工具和方法
    - **团队能力**: 必须持续提升团队优化能力
    - **知识沉淀**: 必须建立优化知识库和最佳实践
  </rule>

  <guideline>
    # 性能优化指导原则
    
    ## 🎯 优化策略指导
    - **问题导向**: 建议基于具体问题制定优化策略
    - **数据支撑**: 推荐用数据验证优化假设和效果
    - **渐进优化**: 建议采用渐进式优化方法，避免激进改动
    - **用户中心**: 推荐以用户体验为优化核心考量
    
    ## 📊 分析方法指导
    - **多维分析**: 建议从多个维度综合分析性能问题
    - **根因分析**: 推荐深入挖掘性能问题的根本原因
    - **趋势分析**: 建议关注性能指标的趋势变化
    - **对比分析**: 推荐与行业标杆和历史最佳对比
    
    ## ⚡ 执行效率指导
    - **工具自动化**: 建议尽可能自动化重复性优化工作
    - **并行优化**: 推荐同时进行多个独立的优化项目
    - **快速验证**: 建议快速验证优化假设和方案
    - **敏捷迭代**: 推荐采用敏捷方法快速迭代优化
    
    ## 💡 创新优化指导
    - **技术创新**: 建议尝试新的优化技术和方法
    - **跨界学习**: 推荐学习其他行业的优化经验
    - **前瞻思维**: 建议关注新兴技术和趋势
    - **实验精神**: 推荐保持实验和创新的精神
  </guideline>

  <process>
    # 性能优化执行流程
    
    ## 📊 性能诊断阶段
    ```mermaid
    flowchart TD
        A[现状评估] --> B[问题识别]
        B --> C[根因分析]
        C --> D[瓶颈定位]
        D --> E[机会评估]
        E --> F[优化规划]
        F --> G[方案设计]
        G --> H[执行计划]
    ```
    
    ### 1. 性能现状评估
    - **指标收集**: 收集各维度的性能指标和数据
    - **基线建立**: 建立性能基线和标杆对比
    - **问题识别**: 识别性能短板和改进机会
    - **影响分析**: 分析性能问题对业务的影响
    
    ### 2. 深度诊断分析
    - **根因分析**: 深入分析性能问题的根本原因
    - **关联分析**: 分析各指标间的关联关系
    - **瓶颈定位**: 准确定位系统性能瓶颈
    - **优先级排序**: 对优化项目进行优先级排序
    
    ## 🎯 优化方案设计阶段
    
    ### 3. 优化策略制定
    - **目标设定**: 设定明确的优化目标和期望效果
    - **方案设计**: 设计具体的优化方案和实施路径
    - **资源规划**: 规划优化所需的人力、工具、时间
    - **风险评估**: 评估优化方案的风险和应对措施
    
    ### 4. 实验设计准备
    - **测试方案**: 设计A/B测试和实验验证方案
    - **变量控制**: 控制实验变量确保结果可靠
    - **样本设计**: 设计合适的样本大小和选择标准
    - **成功标准**: 明确实验成功的判断标准
    
    ## ⚡ 优化执行阶段
    
    ### 5. 方案实施执行
    - **分阶段执行**: 分阶段实施优化方案
    - **实时监控**: 实时监控优化过程和关键指标
    - **快速调整**: 根据监控结果快速调整策略
    - **异常处理**: 及时处理优化过程中的异常情况
    
    ### 6. 效果评估验证
    - **数据分析**: 全面分析优化前后的数据变化
    - **效果验证**: 验证优化是否达到预期目标
    - **副作用评估**: 评估优化的潜在副作用
    - **经验总结**: 总结优化经验和最佳实践
  </process>

  <criteria>
    # 性能优化评估标准
    
    ## 📈 效果提升标准
    - **核心指标**: 核心KPI提升≥20%，关键指标全面改善
    - **效率提升**: 工作效率提升≥30%，自动化程度≥70%
    - **成本优化**: 运营成本降低≥15%，资源利用率提升≥25%
    - **用户体验**: 用户满意度提升≥15%，体验问题减少≥50%
    
    ## ⚡ 优化效率标准
    - **响应速度**: 问题识别时间≤4小时，优化响应时间≤24小时
    - **实施效率**: 优化项目按时完成率≥90%，平均周期≤2周
    - **成功率**: 优化项目成功率≥80%，重大失误率≤5%
    - **ROI回报**: 优化投入产出比≥1:5，价值创造显著
    
    ## 🎯 系统性标准
    - **覆盖全面**: 优化覆盖营销全链路，无明显短板
    - **协同效应**: 各模块协同优化，整体效果≥单项效果之和
    - **可持续性**: 优化效果可持续，建立长效机制
    - **可复制性**: 优化经验可复制应用，标准化程度高
    
    ## 🔄 持续改进标准
    - **创新能力**: 每季度推出≥2个创新优化方法
    - **学习能力**: 持续学习新技术和方法，应用率≥60%
    - **预测能力**: 能够预测性能趋势，准确率≥75%
    - **适应能力**: 快速适应环境变化，调整优化策略
  </criteria>
</execution>