perfetto-analyzer 1.0.0 → 1.0.1

package/README.md

@@ -1,22 +1,38 @@
 # perfetto-analyzer
 
-AI skill for Android performance analysis using [Perfetto](https://perfetto.dev).
+> Skill de IA para análise de performance Android com [Perfetto](https://perfetto.dev) — funciona com Claude Code, Cursor, GitHub Copilot, Codex, Antigravity e Devin.
 
-Automatically installs into all supported AI agents on your machine.
+Instale uma vez. Seu assistente de IA vira um especialista em performance Android: coleta traces Perfetto via `adb`, analisa callstacks de CPU, alocações de memória, timelines de frames e contadores de bateria, e gera um relatório markdown estruturado com recomendações acionáveis.
 
-## Installation
+---
 
-```bash
-# Run once — installs for all supported agents
-npx perfetto-analyzer install
+## Índice
 
-# Or install globally (auto-installs via postinstall)
-npm install -g perfetto-analyzer
-```
+- [Agentes de IA suportados](#agentes-de-ia-suportados)
+- [Pré-requisitos](#pré-requisitos)
+- [Instalação](#instalação)
+- [Como usar](#como-usar)
+  - [Modo A — Coletar trace de um device conectado](#modo-a--coletar-trace-de-um-device-conectado)
+  - [Modo B — Analisar um arquivo .pb existente](#modo-b--analisar-um-arquivo-pb-existente)
+- [Tipos de trace](#tipos-de-trace)
+- [Entendendo o relatório](#entendendo-o-relatório)
+  - [Resumo Executivo](#resumo-executivo)
+  - [Memória](#memória)
+  - [CPU](#cpu)
+  - [Frames](#frames)
+  - [Bateria](#bateria)
+  - [Recomendações](#recomendações)
+- [Referência de métricas](#referência-de-métricas)
+- [Solução de problemas](#solução-de-problemas)
+- [Desinstalar](#desinstalar)
+
+---
 
-## Supported AI Agents
+## Agentes de IA suportados
 
-| Agent | Skills directory |
+O instalador configura automaticamente a skill em todos os agentes encontrados na sua máquina:
+
+| Agente | Diretório da skill |
 |---|---|
 | Claude Code | `~/.claude/skills/perfetto-analyzer/` |
 | GitHub Copilot | `~/.github/copilot/skills/perfetto-analyzer/` |
@@ -25,39 +41,386 @@ npm install -g perfetto-analyzer
 | Codex (OpenAI) | `~/.codex/skills/perfetto-analyzer/` |
 | Devin | `~/.devin/skills/perfetto-analyzer/` |
 
-Directories are created automatically if they don't exist.
+Os diretórios são criados automaticamente caso não existam.
+
+---
+
+## Pré-requisitos
+
+| Ferramenta | Como verificar | Instalação |
+|---|---|---|
+| `adb` | `adb version` | [Android SDK Platform-Tools](https://developer.android.com/tools/releases/platform-tools) |
+| Python 3.9+ | `python3 --version` | [python.org](https://python.org) |
+| Lib Python do Perfetto | `python3 -c "import perfetto"` | `pip install perfetto` |
 
-## Uninstall
+**Configuração do device:**
+1. Ative as **Opções do Desenvolvedor** no Android (toque 7 vezes em "Número da versão" nas configurações)
+2. Ative **Depuração USB** dentro das Opções do Desenvolvedor
+3. Conecte via USB e aceite a solicitação de autorização no device
+4. Verifique com `adb devices` — o device deve aparecer como `device` (não `offline` ou `unauthorized`)
+
+---
+
+## Instalação
+
+### Opção 1 — npx (sem instalação prévia)
 
 ```bash
-npx perfetto-analyzer uninstall
+npx perfetto-analyzer install
+```
+
+### Opção 2 — instalação global
+
+```bash
+npm install -g perfetto-analyzer
+```
+
+O script `postinstall` copia os arquivos da skill automaticamente.
+
+### Verificar instalação
+
+Após instalar, reinicie seu assistente de IA e pergunte:
+
+> "Analise a performance do meu app Android"
+
+O assistente deve pedir o nome do pacote, tipo de trace e duração — isso confirma que a skill está ativa.
+
+---
+
+## Como usar
+
+### Modo A — Coletar trace de um device conectado
+
+Descreva o que quer medir em linguagem natural:
+
+```
+Analise a performance de com.meuapp.debug — quero verificar jank na tela de feed
+```
+
+```
+Meu app com.exemplo.app está usando muita memória. Colete um trace de 30 segundos.
+```
+
+```
+O uso de CPU está alto em com.empresa.app, colete um trace de cpu por 15 segundos
+```
+
+O assistente vai:
+
+1. **Verificar** se o device está conectado e o adb está funcionando
+2. **Checar** se o app está aberto — se não estiver, abre automaticamente via launcher
+3. **Coletar** o trace Perfetto (você verá uma contagem regressiva em tempo real)
+4. **Analisar** callstacks de CPU, alocações de memória, timelines de frames e contadores de bateria
+5. **Gerar** um relatório markdown completo com hotspots e recomendações
+
+> **Durante a coleta:** interaja com o app normalmente — role, navegue, acione o fluxo lento que quer analisar. O trace captura o que acontece no device em tempo real.
+
+Se não souber o package name do app, pergunte:
+
+```
+Como descubro o package name do meu app?
+```
+
+O assistente vai sugerir:
+
+```bash
+adb shell pm list packages | grep <nome-do-app>
+```
+
+---
+
+### Modo B — Analisar um arquivo .pb existente
+
+Se você já tem um arquivo de trace Perfetto (`.pb`):
+
+```
+Analise este trace: ~/Downloads/meu_trace.pb
 ```
 
-## What it does
+```
+Tenho um trace perfetto em /tmp/trace.pb, consegue encontrar memory leaks?
+```
+
+Nenhuma conexão com device é necessária — o assistente analisa o arquivo diretamente.
+
+---
+
+## Tipos de trace
+
+Escolha o tipo de trace conforme o que quer investigar:
+
+| Tipo | O que captura | Indicado para |
+|---|---|---|
+| `frames` | Timeline de frames, causas de jank, amostras de CPU durante frames dropados | Travadas, scroll lento, jank na UI |
+| `memory` | Alocações de heap nativo, retenção de objetos Java/Kotlin | Memory leaks, uso alto de heap, GC pressure |
+| `cpu` | Amostragem de CPU com callstacks completos (Java, Kotlin, nativo) | Operações lentas, gargalos de CPU, funções quentes |
+| `battery` | Contadores de drain da bateria, power rails | Drain rápido de bateria, wake locks, atividade em background |
+| `all` | Todos os anteriores combinados | Auditoria completa de performance |
+
+**Durações recomendadas:**
+- `frames` / `cpu`: 10–15 segundos (acione a interação lenta uma vez)
+- `memory`: 30–60 segundos (navegue por várias telas para acumular alocações)
+- `battery`: 60–120 segundos (precisa de tempo suficiente para medir drain significativo)
+
+---
 
-After installation, ask your AI assistant to analyze an Android app's performance:
+## Entendendo o relatório
 
-- **Collect a trace** from a connected device via `adb`
-- **Analyze CPU, memory, frames (jank), and battery** from a `.pb` Perfetto trace
-- **Generate a markdown report** with insights and actionable recommendations
+O relatório é dividido em cinco seções. Veja o que cada uma significa.
 
-### Prerequisites
+### Resumo Executivo
+
+```
+## Resumo Executivo
+> 🔴 43% das amostras de CPU na main thread — operações bloqueantes detectadas na UI
+> 🟡 12% de frames dropados (P95: 48ms) — jank visível para o usuário
+> 🟢 Memória estável — nenhum padrão de leak detectado
+```
+
+Lista ranqueada dos problemas mais críticos, do mais ao menos impactante. Comece aqui para decidir o que corrigir primeiro.
+
+Ícones de severidade:
+- 🔴 **Crítico** — impacta diretamente a experiência do usuário, corrija imediatamente
+- 🟡 **Atenção** — problema perceptível, deve ser endereçado
+- 🟢 **OK** — dentro dos thresholds aceitáveis
+
+---
+
+### Memória
+
+```
+## Memória
 
-- `adb` installed and in PATH (Android SDK Platform-Tools)
-- Python 3.9+
-- `pip install perfetto`
+### Maiores Alocadores (Heap Nativo)
+| Callstack                         | Bytes não liberados | % do total |
+|-----------------------------------|---------------------|------------|
+| Bitmap.createBitmap (ImageLoader) | 18,4 MB             | 34%        |
+| RenderScript.create               | 8,1 MB              | 15%        |
 
-## Usage example
+### Objetos Java/Kotlin Retidos (ART)
+| Classe                    | Instâncias | Bytes   |
+|---------------------------|------------|---------|
+| android.graphics.Bitmap   | 847        | 42,3 MB |
+| com.meuapp.cache.DataCache| 1          | 12,1 MB |
+
+### Alertas
+- ⚠️ Bytes não liberados crescendo ao longo do trace — possível memory leak no ImageLoader
+```
+
+**Conceitos-chave:**
+
+| Termo | Significado |
+|---|---|
+| **Bytes não liberados** | Memória alocada e ainda não liberada — valores altos = possível leak |
+| **Total de bytes** | Todas as alocações, incluindo as já liberadas — alto = muitos objetos temporários (GC pressure) |
+| **Heap churn** | Razão `total / não liberado` > 10× = muitas alocações de curta duração → considere object pooling |
+| **Dominators** | Objeto que mantém outro vivo na memória — Activity/Fragment como dominator = leak clássico |
+
+**O que observar:**
+- Bytes não liberados crescendo monotonicamente → memory leak
+- A mesma classe aparecendo repetidamente no topo → hotspot de alocação
+- `Activity` ou `Fragment` na lista de objetos retidos → problema de gerenciamento de ciclo de vida
+
+---
+
+### CPU
+
+```
+## CPU
+
+### Hotspots do App — Código Kotlin/Java
+| Função                                        | Thread      | Amostras |
+|-----------------------------------------------|-------------|----------|
+| com.meuapp.feed.FeedAdapter.onBindViewHolder  | main        | 142      |
+| com.meuapp.image.ImageDecoder.decode          | AsyncTask#1 | 98       |
+
+### APIs Android Ativas na Main Thread
+| Função                                          | Amostras |
+|-------------------------------------------------|----------|
+| androidx.compose.runtime.Recomposer · recompose | 201      |
+| android.graphics.Bitmap · createScaledBitmap    | 87       |
+
+### Top Frames Nativos
+| Função                | Thread       | Amostras |
+|-----------------------|--------------|----------|
+| libhwui.so!drawBitmap | RenderThread | 134      |
+```
+
+**Conceitos-chave:**
+
+| Termo | Significado |
+|---|---|
+| **Amostras** | Quantas vezes a CPU foi pega executando essa função — mais amostras = mais tempo gasto |
+| **Main thread** | Thread de UI do Android — trabalho pesado aqui causa jank diretamente |
+| **Hotspots do app** | Seu código (filtrado pelo package name) — as funções que você pode de fato alterar |
+| **APIs Android** | Funções do Android/Compose/AndroidX — indicam em que seu código está gastando tempo |
+| **Frames nativos** | Código C/C++ em libs do sistema — `libhwui` = renderização, `libart` = overhead do runtime |
+
+**O que observar:**
+- Funções do seu pacote na main thread → mova o trabalho pesado para uma coroutine/thread em background
+- `Bitmap.createScaledBitmap` ou decodificação de imagem na main thread → use Glide/Coil com carregamento assíncrono
+- Funções de recomposição do Compose dominando → verifique recomposições desnecessárias com `@Stable` / `remember`
+- Funções de GC (`art::gc::`) → reduza criação de objetos temporários, use object pools
+
+---
+
+### Frames
+
+```
+## Frames
+
+| Métrica         | Valor     | Threshold OK |
+|-----------------|-----------|--------------|
+| Total de frames | 1.842     | —            |
+| Frames dropados | 221 (12%) | < 1%         |
+| Frame P50       | 14ms      | ≤ 16,67ms    |
+| Frame P95       | 48ms      | ≤ 33,3ms     |
+| Frame P99       | 112ms     | ≤ 50ms       |
+
+### Causas de Jank
+| Causa                              | Ocorrências |
+|------------------------------------|-------------|
+| App Deadline Missed                | 187         |
+| SurfaceFlinger GPU Deadline Missed | 34          |
+```
+
+**Thresholds de frames dropados:**
+
+| % Dropados | Avaliação |
+|---|---|
+| < 0,1% | Excelente |
+| 0,1% – 1% | Bom |
+| 1% – 5% | Aceitável (usuário pode perceber em cenários específicos) |
+| > 5% | Ruim — jank visível |
+
+**Thresholds de latência de frame (display 60 Hz):**
+
+| Percentil | OK | Atenção | Crítico |
+|---|---|---|---|
+| P50 | ≤ 16,67ms | 16–33ms | > 33ms |
+| P95 | ≤ 33,3ms | 33–50ms | > 50ms |
+| P99 | ≤ 50ms | 50–100ms | > 100ms |
+
+**Causas de jank explicadas:**
+
+| Causa | Origem | Correção |
+|---|---|---|
+| `App Deadline Missed` | Seu app não terminou o frame a tempo | Reduza trabalho na UI thread, use `LaunchedEffect`, mova lógica para `ViewModel` |
+| `SurfaceFlinger CPU Deadline Missed` | O compositor do sistema estava lento | Reduza o número de layers, evite overdraw |
+| `SurfaceFlinger GPU Deadline Missed` | A renderização da GPU demorou muito | Simplifique shaders, reduza complexidade visual, use hardware layers |
+| `Buffering` | App produz frames mais rápido do que o display consome | Geralmente benigno |
+
+---
+
+### Bateria
+
+```
+## Bateria
+
+| Métrica             | Valor    |
+|---------------------|----------|
+| Carga drenada       | 284 mC   |
+| Duração do trace    | 60s      |
+| Taxa média de drain | 4,7 mC/s |
+
+### Top Consumidores
+| Componente | Consumo estimado |
+|------------|-----------------|
+| CPU (big)  | 180 mW          |
+| GPU        | 95 mW           |
+| Memória    | 40 mW           |
+```
+
+**Referência de consumo típico:**
+
+| Estado do app | Consumo total típico |
+|---|---|
+| App em idle | 5–20 mW |
+| App ativo (UI, rede) | 100–300 mW |
+| Vídeo / jogo | 500–2000 mW |
+
+**Contadores principais:**
+
+| Contador | Significado |
+|---|---|
+| `batt_charge_uah` | Carga da bateria em µAh — o delta ao longo do trace = consumo |
+| `batt_current_ua` | Corrente instantânea em µA — negativo = descarregando |
+| Power rails (`cpu.big`, `gpu`, etc.) | Consumo por subsistema em mW (devices Qualcomm/Tensor) |
+
+**O que observar:**
+- `CPU (big)` dominando → operações computacionalmente caras nos cores de alto desempenho; considere `THREAD_PRIORITY_BACKGROUND` para trabalho não crítico
+- Drain alto em repouso → wake locks, sync agendado, acesso a localização em background
+- GPU alta mesmo em telas simples → overdraw, layouts complexos, animações desnecessárias
+
+---
+
+### Recomendações
+
+```
+## Recomendações
+
+1. **Mova a decodificação de imagens para fora da main thread** — `ImageDecoder.decode` foi chamado
+   98 vezes na main thread, contribuindo para o P95 de 48ms. Use Coil ou Glide com carregamento
+   baseado em coroutines.
+
+2. **Reduza recomposições do Compose** — Recomposer mostra 201 amostras. Audite leituras de state
+   em composables, aplique `@Stable` em data classes e use `remember` para cálculos custosos.
+
+3. **Corrija memory leak no ImageLoader** — Bytes não liberados cresceram de 12 MB para 31 MB
+   durante o trace. Verifique se `BitmapPool.clear()` é chamado em `onStop()` / `onDestroy()`.
+```
+
+Cada recomendação contém:
+- **Título** — o que corrigir
+- **Evidência** — o que o trace mostrou e a métrica específica que acionou o alerta
+- **Ação** — um passo concreto para resolver o problema
+
+---
+
+## Referência de métricas
+
+### Checklist de triagem rápida
+
+Use esta sequência ao receber um relatório pela primeira vez:
+
+1. **Frames** → `% dropados > 1%`? Se sim, verifique a timeline de CPU e as causas de jank.
+2. **CPU** → A main thread está acima de 20% do total de CPU? Se sim, procure chamadas bloqueantes.
+3. **Memória** → Os bytes não liberados estão crescendo ao longo do tempo? Se sim, há um leak.
+4. **Bateria** → A taxa de drain está acima do esperado para o estado do app? Se sim, verifique wake locks e atividade em background.
+
+### Perfetto UI
+
+Para investigação profunda além do relatório, abra o arquivo `.pb` em [perfetto.dev/ui](https://perfetto.dev/ui):
+- **Flame chart** → visualize a hierarquia completa de callstacks
+- **Thread state** → veja exatamente quando as threads estão rodando, dormindo ou bloqueadas
+- **SQL query** → execute queries customizadas via Trace Processor integrado
+
+---
+
+## Solução de problemas
+
+| Erro | Causa | Solução |
+|---|---|---|
+| `no devices/emulators found` | Device não conectado ou depuração USB desativada | Execute `adb devices`, verifique as Opções do Desenvolvedor |
+| `offline` em `adb devices` | Autorização não aceita no device | Desconecte e reconecte o USB, aceite o prompt no device |
+| `ImportError: No module named 'perfetto'` | Biblioteca Python não instalada | `pip install perfetto` |
+| `Error opening trace file` | Arquivo `.pb` corrompido ou versão incompatível | Valide o arquivo em [perfetto.dev/ui](https://perfetto.dev/ui) |
+| Trace coletado mas dados zerados | Daemon `traced` não está rodando | `adb shell setprop persist.traced.enable 1 && adb shell start traced` |
+| `permission denied` no device | App não é debuggable ou sem root | Use um build debug, ou `adb shell run-as <package>` |
+| App não abre automaticamente | Package name incorreto ou app não instalado | Verifique com `adb shell pm list packages \| grep <nome>` |
+
+---
+
+## Desinstalar
+
+```bash
+npx perfetto-analyzer uninstall
+```
 
-> "Analyze the performance of com.myapp.debug, collect a 30s frames trace"
+Remove a skill de todos os diretórios dos agentes suportados.
 
-The skill will:
-1. Verify the device is connected
-2. Launch the app if it isn't running
-3. Collect the Perfetto trace
-4. Parse callstacks and frame timelines
-5. Generate a report with hotspots and jank causes
+---
 
-## License
+## Licença
 
 MIT

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "perfetto-analyzer",
-  "version": "1.0.0",
+  "version": "1.0.1",
   "description": "AI skill for Android performance analysis using Perfetto — works with Claude Code, Cursor, GitHub Copilot, Codex, Antigravity and Devin",
   "bin": {
     "perfetto-analyzer": "bin/cli.js"

package/skill/scripts/configs/all.textproto

@@ -11,15 +11,26 @@ data_sources {
   config {
     name: "android.heapprofd"
     heapprofd_config {
-      sampling_interval_bytes: 4096
+      sampling_interval_bytes: 8192
       process_cmdline: "__PACKAGE__"
       shmem_size_bytes: 8388608
-      block_client: true
+      block_client: false
       all_heaps: true
     }
   }
 }
 
+# Heap dump Java/Kotlin (ART) — objetos retidos e grafo de referências
+data_sources {
+  config {
+    name: "android.java_hprof"
+    java_hprof_config {
+      process_cmdline: "__PACKAGE__"
+      dump_smaps: true
+    }
+  }
+}
+
 # --- CPU ---
 data_sources {
   config {

package/skill/scripts/configs/memory.textproto

@@ -10,10 +10,10 @@ data_sources {
   config {
     name: "android.heapprofd"
     heapprofd_config {
-      sampling_interval_bytes: 4096
+      sampling_interval_bytes: 8192
       process_cmdline: "__PACKAGE__"
       shmem_size_bytes: 8388608
-      block_client: true
+      block_client: false
       all_heaps: true
     }
   }

package/skill/scripts/generate_report.py

@@ -174,7 +174,7 @@ def generate_report(data, package, trace_type):
         lines += ["| Processo | Tempo CPU (s) | Context Switches |"]
         lines += ["|---|---|---|"]
         for proc in top_procs[:10]:
-            name = proc.get("process_name", "?")[:50]
+            name = (proc.get("process_name") or "?")[:50]
             t = proc.get("total_cpu_seconds", 0)
             sw = proc.get("context_switches", 0)
             lines.append(f"| `{name}` | {t:.3f}s | {sw:,} |")
@@ -209,7 +209,7 @@ def generate_report(data, package, trace_type):
         lines += ["|---|---|---|"]
         for cs in app_callstacks[:20]:
             fn = _shorten_jvm_name(cs.get("function_name", "?"))
-            thread = cs.get("thread_name", "?")[:25]
+            thread = (cs.get("thread_name") or "?")[:25]
             count = cs.get("sample_count", 0)
             lines.append(f"| `{fn}` | `{thread}` | {count} |")
         lines.append("")
@@ -225,7 +225,7 @@ def generate_report(data, package, trace_type):
             fn = cs.get("function_name", "?")
             fn = _demangle(fn)
             fn = fn[:60] if len(fn) > 60 else fn
-            thread = cs.get("thread_name", "?")[:25]
+            thread = (cs.get("thread_name") or "?")[:25]
             count = cs.get("sample_count", 0)
             lines.append(f"| `{fn}` | `{thread}` | {count} |")
         lines.append("")
@@ -302,7 +302,7 @@ def generate_report(data, package, trace_type):
             lines += ["|---|---|---|"]
             for j in jank_app[:15]:
                 short = _shorten_jvm_name(j.get("function_name", "?"))
-                thread = j.get("thread_name", "?")[:25]
+                thread = (j.get("thread_name") or "?")[:25]
                 lines.append(f"| `{short}` | `{thread}` | {j.get('sample_count', 0)} |")
             lines.append("")
     else: