SmartPerfetto 2026.06.04-07.17 六周更新复盘：从 v1.0.28 到 v1.1.1
内容提要
SmartPerfetto在六周内（v1.0.28至v1.1.1）完成约150个提交，发布13个版本。核心改动包括：双Trace对比工作台、Quick Mode证据直答、私有分析上下文（本机源码与Android Internals知识库）、四条Agent运行时统一架构、Token成本优化、新增Camera/Heap/GPU场景、RFC-0025八个AI工作流功能、案例知识平台及生态扩展。v1.1.0实现运行时统一与授权指纹，强化证据优先原则，提升分析可审计性与协作能力。
延伸解读
双 Trace 对比的边界设计
双窗工作台的核心价值在于对比，但产品语义刻意限定为“当前 trace + 一个历史参考 trace”，不支持任意两条历史 trace 对比。这种边界设计避免了与多分析结果对比（快照对比）混淆，也简化了状态管理。运行期间对切 trace、退出对比等操作的限制，以及退出双窗与退出对比的语义分离，都是为了保护分析过程的完整性。理解这些边界，有助于用户合理使用对比功能，避免误操作导致分析中断。
Quick Mode 的适用与局限
Quick Mode 通过确定性证据直答，将大量事实型问题的模型对话轮数降为 0，显著节省 token 和时间。但它的适用范围有明确边界：只覆盖确定性证据能回答的问题，如帧率、前台应用等；开放式问题会正常回退到 agent 路径。这种设计避免了硬塞进直答框架产生残缺答案。用户应区分问题类型，事实型问题优先使用 Quick Mode，复杂分析则走完整 agent 循环。
私有上下文的隐私与授权机制
本机源码和 Android Internals 知识库的引入，让 AI 能解释“为什么慢”，但隐私设计是重点。模型只看到 CodeRef 元数据而非源码原文，且 metadata_only 与 provider_send 是两档独立同意。授权指纹机制确保任何授权变化（如撤销同意、重建索引）都会导致 fail closed，杜绝旧授权继续生效。用户需理解这些机制，以便在享受深度分析的同时，有效控制私有数据的暴露风险。
运行时统一的工程意义
四条 Agent 运行时统一到同一份运行规格，从结构上消除了“同一选项在不同路径行为不一致”的 bug。这降低了维护成本，也提升了分析结果的可复现性。配套的回归门禁 CI 和独立审查，进一步保障了质量。对于使用者而言，这意味着无论选择哪种运行时，分析行为都更可预期，也更容易排查问题。
Q&A
SmartPerfetto 在 2026.06.04 到 07.17 期间发布了哪些版本？
从 v1.0.29 到 v1.1.1，共发布了 13 个版本。
双 Trace 对比工作台的主要功能是什么？
双 Trace 对比工作台允许用户同时加载当前 trace 和一个历史参考 trace，进行并排对比分析。它提供一键进入、窗口身份原子交换、运行身份保护等功能，并支持 CLI 的 smp compare 命令，确保对比结果一致。
Quick Mode 是如何实现证据直答的？
Quick Mode 通过三步实现证据直答：意图识别（本地分类器判断问题类型）、确定性取证（直接执行 SQL/Skill 获取证据）、组装直答（用证据表格直接生成答案，附逐句数据引用，0 轮模型对话）。它只处理确定性证据能回答的问题，超出范围会回落到 agent 路径。
私有分析上下文包括哪些内容？如何保证隐私？
私有分析上下文包括本机源码（Code-Aware）和 Android Internals 外部知识库。隐私保证措施包括：模型只看到 CodeRef 元数据而非源码原文；源码片段默认不发送给模型厂商，需用户同意；知识库注册需权利确认，发送给模型厂商需可撤销的隐私同意；所有私有上下文都纳入授权指纹，任何变化都会导致拒绝执行。
Agent 运行时架构统一解决了什么问题？
Agent 运行时架构统一解决了四条运行时（Claude、OpenAI、Pi Agent Core、OpenCode）行为不一致的问题，例如某个分析选项在 Claude 路径生效但在 OpenAI 路径被忽略。通过让四条运行时消费同一份与 Provider 无关的运行规格，消除了这类结构性 bug，并增强了取消语义、断点续传等功能。
Token 成本优化采取了哪些措施？
Token 成本优化措施包括：将场景策略拆分为 core 和 detail 两层，core 常驻注入，detail 按需投递；新增真实 token 基线回归测试；大 SQL 结果自动摘要；压缩工具描述并设置提示词缓存边界。这些措施显著降低了 full 模式的 token 消耗。
新增了哪些场景分析能力？
新增了 Camera 分析、Heap 支配路径分析、GPU 计算证据三个场景。Camera 分析根据 tracepoint 可用性条件化下结论；Heap 分析提取支配路径并聚类；GPU 分析提供厂商中立的证据。同时加固了内存分析和线程阻塞原因的证据语义。
RFC-0025 定义了哪些 AI 工作流功能？
RFC-0025 定义了八个功能：分析回执与证据审计、采集配置建议、UI 导航建议协议、快照相似案例检索、SQL 查询审查层、外部 Skill 包扩展、批量 trace 生命周期、AI 能力开关与披露。这些功能将 AI 分析扩展为可审计、可批量、可协作的工作流。
SmartPerfetto 的生态扩展包括哪些仓库？
SmartPerfetto 的生态扩展包括八个仓库：Android Performance Ecosystem（导航）、TraceFix（插桩）、Perfetto Tools（采集）、SmartPerfetto（分析）、Perfetto Skills（Agent 分析）、Android Performance Blog（学习）、Android Internal Wiki（系统知识）、Trace for Blog（复现）。它们连成一条完整的 Android 性能分析路径。
如何快速试用 SmartPerfetto？
快速试用方式包括：使用 Docker Hub 镜像（docker compose -f docker-compose.hub.yml up -d，无需宿主机 Node.js）；下载免安装包（Windows/macOS/Linux）；通过 npm 安装 CLI（npm install -g @gracker/smartperfetto）；或从源码运行（./start.sh）。
