广东
Qt近日发布了一款面向Agentic开发的QML Profiler Skill，将2D Qt Quick应用的性能分析工作正式委托给AI Agent完成。开发者只需用自然语言描述问题，Agent即可自动定位渲染、逻辑和内存层面的瓶颈。
该Skill的设计目标十分明确：当开发者反馈「UI感觉卡顿」或「帧率在掉」时，AI Agent能够自主调用性能分析工具，采集数据并生成一份结构化的瓶颈报告。对于Qt生态中大量依赖QML构建界面的项目而言，这意味着性能调优的门槛将被显著降低。
QML Profiler Skill的工作流程设计得相当精细，共分七步。
第一步，Agent自动探测主机操作系统以定位Qt安装目录和二进制命名规范；
第二步，确认目标程序已启用QT_QML_DEBUG编译标志；
第三步，选择分析模式——完整分析、渲染分析（场景图、动画、pixmap缓存）、逻辑分析（JavaScript、绑定、信号处理器）或内存分析——随后启动应用并采集trace，开发者只需正常使用应用后退出即可；
第四步，Agent调用内置Python解析器处理.qtd文件，提取结构化JSON摘要；
第五步，将热点映射回源代码，结合 bundled 的QML性能反模式目录进行分析；
第六步，在profiler/reports/目录生成带时间戳的Markdown报告，包含事件类型汇总、帧时间百分位（p50/p95/p99）、内存GC堆页和JS对象尺寸分解、pixmap缓存 oversized 图像标记、Top 30热点表，以及对五大关键瓶颈的逐条根因分析和具体修复建议；
第七步，在对话中输出精简摘要。
GitHub Copilot 中的QML Profiler结果展示 
该技能集的另一大亮点是多平台原生支持。Claude Code CLI和Codex CLI可直接识别SKILL.md目录结构，GitHub Copilot可通过平台变体文件接入，Gemini CLI支持扩展安装，VSCode Agents也能通过命令面板从源码安装。Qt采用统一的SKILL.md规范（YAML frontmatter加渐进式加载架构），使同一套Skill能在不同Agent平台间复用。
目前该功能仅支持2D Qt Quick应用，3D场景尚未覆盖。Qt团队已在GitHub Copilot、Claude Desktop和Claude Code CLI三款主流Agent工具上完成测试，并报告Claude Sonnet 4.6、GPT 5.4和Gemini 3.1 Pro的适配效果最佳。
值得注意的是，这并非Qt在AI领域的首次布局。此前Qt Creator 19已内置MCP服务器以支持LLM集成，Qt 6.11也带来了更强的3D渲染能力。此次QML Profiler Skill的推出，标志着Qt正将AI能力从代码生成向更深层的工程诊断延伸。
该项目代码已在GitHub开源，采用BSD-3条款或Qt商业许可证双许可模式，仓库地址为https://github.com/TheQtCompanyRnD/agent-skills。感兴趣的开发者可以直接集成到自己的Agent工作流中。
参考来源：https://www.qt.io/blog/introducing-the-qml-profiler-skill-for-agentic-development
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
