SmartPerfetto在五周内从v1.1.1更新至v1.7.0，新增Android知识包、三平台免安装包、大Trace支持、Code-Aware分析、Self-Evolution反馈流程、企业OIDC登录及Qoder BYOK路由。报告完整性、权限隔离和可回滚性得到强化，六份真实Trace完成公开审查，整体提升稳定性和可追溯性。

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。

SmartPerfetto于2026年5月17日至6月4日进行了重要更新，版本提升至v1.0.28。新增Smart模式、选区快问和CLI入口，增强了对启动、滑动和ANR等场景的分析能力。扩展了证据规则，确保报告的准确性和完整性，并提升了报告质量和排错信息的具体性。改善了用户反馈机制，鼓励提供详细的trace信息以便于修复和优化。

SmartPerfetto 在过去两周内新增了多项功能，包括多 Trace 分析结果对比、SQL 证据来源处理和渲染管线教学。用户可通过 AI Assistant 提问，分析 trace 数据，生成报告，提升用户体验，确保分析结果的可靠性和可复用性。

SmartPerfetto 已完整开源，提供性能分析工具，简化 trace 分析过程。该项目结合 AI 助手，允许用户通过自然语言提问，自动查询和分析数据。开源内容包括前端 UI、后端代理、YAML 技能和场景策略，旨在提高性能工程师的工作效率。用户可在本地加载 trace，验证 AI 助手的处理方式，促进真实样本的积累和分析能力的提升。

本文讨论了SmartPerfetto AI Agent的技术问题，重点分析了YAML Skill系统与Claude Code的区别、Agent的决策能力、场景识别及AI自主探索的有效性。YAML Skill为性能工程师提供灵活的SQL执行工具，支持参数化和自描述输出格式。文章强调通过三层机制（Strategy文件、Planning Gate、Verifier）确保AI自主探索的可靠性，并提出在不同分析阶段设定约束强度的策略。

这篇文章介绍了SmartPerfetto的开发过程，重点在于利用AI优化Android性能分析。通过Perfetto工具，SmartPerfetto实现了自动化的数据收集和分析，用户可以用自然语言提问，AI通过SQL查询处理数据。文章还记录了开发中的技术决策、挑战及解决方案，强调了AI在性能分析中的应用潜力和局限性。