← Все гайды AI Release
EN Подписаться на @ai_release1

Как ускорить Python-код с помощью ИИ-агента: профилирование и переписывание горячих 5%

Обновлено: 22.11.2026 · AI Release · @ai_release1
Как ускорить Python-код с помощью ИИ-агента: профилирование и переписывание горячих 5%

TL;DR

Что вы получите

Быстрый старт

python -m venv .venv && source .venv/bin/activate && python -m pip install -U pip py-spy line_profiler pytest
python -m cProfile -o profile.out main.py
python -c "import pstats; pstats.Stats('profile.out').sort_stats('tottime').print_stats(15)"
py-spy record -o profile.svg -- python main.py

Подробности и проверка — в шагах ниже.

Промпт для копирования

Иллюстрация к разделу «Промпт для копирования»
Иллюстрация к разделу «Промпт для копирования»
ПромптСкопируйте целиком — это готовый системный промпт
Роль: ты — инженер по производительности Python. Ты работаешь в моём репозитории <путь-к-репозиторию> и не меняешь файлы за пределами списка, который я дам.

Контекст:
- Проект: <краткое описание проекта в 2–3 строках>.
- Целевая функция: <модуль.функция> в файле <путь/к/файлу.py>.
- Профиль: файл profile.out (cProfile, сортировка по tottime) и вывод line_profiler по этой функции.
- Бюджет времени: <целевое время на один вызов, мс>.
- Ограничения: Python <версия>, новые зависимости добавлять нельзя, публичную сигнатуру функции не менять, поведение при исключениях и граничные случаи сохранить.

Задача:
1. Прочитай профиль и назови три самых дорогих участка по tottime, приведя числа из профиля.
2. Для самого дорогого участка предложи не больше трёх вариантов переписывания, от простого к рискованному: (а) убрать лишнюю работу внутри цикла, (б) заменить структуру данных, (в) векторизовать через библиотеку, которая уже есть в зависимостях.
3. Для каждого варианта укажи: что меняется, ожидаемый эффект, риск изменения поведения, как проверить эквивалентность.
4. Реализуй только тот вариант, который я подтвержу словом «делай». До подтверждения файлы не редактируй.
5. После правки покажи diff, запусти <команда тестов> и <команда бенчмарка>, приведи время «до» и «после» в одной таблице.
6. Если тесты падают — откати правку и объясни причину.

Формат ответа: таблица «участок | tottime | что делаем | риск», затем diff, затем результат тестов, затем таблица замеров.
Не добавляй зависимости, не переписывай файл целиком, не трогай форматирование несвязанных строк, не выдумывай цифры — бери только из вывода команд.

Заменяемые места: <путь-к-репозиторию>, <краткое описание проекта>, <модуль.функция>, <путь/к/файлу.py>, <целевое время, мс>, <версия Python>, <команда тестов>, <команда бенчмарка>.

Требования и подготовка

Иллюстрация к разделу «Требования и подготовка»
Иллюстрация к разделу «Требования и подготовка»
ИнструментЗачемКоманда проверки
`cProfile` / `pstats`Профиль по функциям: `tottime` — время в самой функции, `cumtime` — с учётом вложенных вызовов`python -c "import cProfile, pstats; print('ok')"`
`py-spy`Сэмплирующий профилировщик, строит SVG-флеймграф без правок кода`py-spy --version`
`line_profiler`Профиль по строкам внутри одной функции`python -c "import line_profiler; print('ok')"`
`pytest`Проверка, что переписанная функция ведёт себя так же`pytest -q`

Пример: успешная проверка выглядит так — py-spy --version печатает строку вида py-spy 0.x.x (конкретную версию сверьте с документацией), pytest -q печатает 12 passed.

Почему это работает: профилировщики не угадывают, а измеряют фактическое время выполнения, поэтому «горячие» функции видны по числам, а не по интуиции.

Шаг 1. Профилирование: найти горячие 5%

Что сделать: запустите скрипт под cProfile, затем отсортируйте отчёт по tottime и выпишите топ-5 функций. Для одной функции снимите построчный профиль.

python -m cProfile -o profile.out main.py
python -c "import pstats; pstats.Stats('profile.out').sort_stats('tottime').print_stats(15)"

Фрагмент ожидаемого вывода (числа у вас будут свои):

   ncalls  tottime  percall  cumtime  percall filename:lineno(function)
     1200    4.812    0.004    4.812    0.004 app/hot.py:14(process_rows)
     1200    0.731    0.001    0.731    0.001 app/parse.py:7(normalize)

Построчный профиль одной функции:

kernprof -l -v main.py

В коде целевой функции перед запуском поставьте декоратор @profile (его добавляет line_profiler; после замеров декоратор уберите, иначе получите NameError: name 'profile' is not defined при обычном запуске).

Зачем: правило «горячих 5%» означает, что правим только функцию из вершины профиля, а не весь проект. Такой правкой вы затрагиваете малую долю кода, но получаете эффект на всём времени выполнения.

Как проверить: в отчёте print_stats(15) первая строка по tottime — функция из вашего кода (не built-in method), и её tottime заметно больше остальных. Дополнительно можно посмотреть флеймграф: py-spy record -o profile.svg -- python main.py — файл profile.svg открывается в браузере и показывает широкие блоки самых «толстых» вызовов.

Структуру папок и правила, которые делают поведение агента предсказуемым, разберите заранее: ICM на практике: структура папок, которая делает ИИ-агента управляемым.

Шаг 2. Переписывание горячей функции агентом

Что сделать: передайте агенту профиль и ограничения из промпта выше, дождитесь таблицы вариантов, подтвердите один и получите diff.

Порядок работы:

1. Откройте чат/сессию агента в каталоге проекта и вставьте промпт, подставив реальные пути.

2. Приложите вывод print_stats(15) текстом — агент должен ссылаться на числа из него.

3. Выберите вариант с наименьшим риском (обычно «убрать лишнюю работу внутри цикла»).

4. Напишите делай и дождитесь diff-а. Проверьте, что изменён только целевой файл.

Пример: агент предложил три варианта и вы выбрали второй — заменить повторный поиск в списке внутри цикла на множество (set). Diff выглядит так:

-    for row in rows:
-        if row.key in keys_list:
+    keys = set(keys_list)
+    for row in rows:
+        if row.key in keys:

Зачем: ограничение «одна функция, не более 5% строк, без новых зависимостей» не даёт агенту переписать половину проекта и сломать поведение, которое вы не проверяете.

Как проверить: git diff --stat показывает изменения только в одном файле, например app/hot.py | 12 ++++++------. Если в diff-е появились requirements.txt, pyproject.toml или десятки файлов — откатывайте: git checkout -- ..

Как такой агент устроен и чем отличается от обычного чата, разобрано здесь: Как превратить обычный чат с LLM в полноценного AI-агента.

Шаг 3. Проверка результата: тесты и замер

Иллюстрация к разделу «Шаг 3. Проверка результата: тесты и замер»
Иллюстрация к разделу «Шаг 3. Проверка результата: тесты и замер»

Что сделать: прогоните тесты и снимите замер «до/после» одним и тем же скриптом.

import time, statistics
from app.hot import process_rows   # <ваш-модуль>

def bench(fn, arg, n=5):
    times = []
    for _ in range(n):
        t = time.perf_counter()
        fn(arg)
        times.append((time.perf_counter() - t) * 1000)
    return min(times), statistics.median(times)

print("min/median, ms:", bench(process_rows, data))

Запустите скрипт дважды: на исходной версии (до git apply) и на переписанной, результаты внесите в таблицу.

Версия `process_rows`min, мсmedian, мсТесты
до правки`<ваш замер>``<ваш замер>``passed`
после правки`<ваш замер>``<ваш замер>``passed`

Зачем: ускорение без проверки эквивалентности — это изменённое поведение, а не оптимизация. Сравнение min и median отсекает случайные выбросы от прогрева и фоновой нагрузки.

Как проверить: чек-лист приёмки.

Почему это работает: time.perf_counter() даёт монотонные часы высокого разрешения, поэтому разница в миллисекундах отражает реальное изменение, а не сдвиг системного времени.

Возможные проблемы и решения

Проблема. pip install py-spy падает на системном Python

python -m venv .venv && source .venv/bin/activate
python -m pip install py-spy

Проверка: py-spy --version печатает версию без ошибки.

Проблема. После правки агента тесты падают на размерах массивов

git checkout -- app/hot.py
pytest -q tests/test_hot.py::test_length

Затем в промпте допишите строку: «Результат функции должен иметь ту же длину, что и вход; приложи проверку len(out) == len(rows)».

Проблема. Тесты падают на сравнении дробных чисел

import pytest
assert result == pytest.approx(0.3, rel=1e-9)

Если бизнес-логика требует точности — верните исходную формулу и попросите агента оптимизировать другой участок.

Резюме и следующие шаги

Вы получили профиль с числами, одну переписанную горячую функцию и таблицу замеров «до/после» с зелёными тестами. Следующий проход — повторить шаги 1–3 для второй функции из топа профиля, начиная с нового замера.

FAQ

Сколько функций можно переписывать за один проход?

Одну. Правило «горячих 5%» работает только при малом diff-е: так вы можете проверить каждое изменение тестами и откатить его одной командой git checkout.

Обязательно ли ставить py-spy, если есть cProfile?

Нет. cProfile входит в стандартную библиотеку и уже даёт список функций с tottime. py-spy нужен, когда хочется увидеть флеймграф или снять профиль без правок кода; минимальную версию и права запуска сверьтесь с документацией.

Что делать, если после правки стало медленнее?

Откатите изменение (git checkout -- <файл>), вернитесь к отчёту профиля и выберите другой участок — например, функцию со вторым по величине tottime. Замеры min и median при повторном прогоне покажут, был ли эффект реальным.

Можно ли доверять цифрам ускорения, которые называет агент?

Только если они взяты из вывода ваших команд. В промпте прямо запрещено выдумывать числа; сравнивайте замеры, снятые вашим скриптом бенчмарка на одной и той же машине.

🤖 Кратко для ИИ

AI Release Knowledge Layer
Машинно-читаемое описание публикации · Версия 1.0

Статус: практическое руководство. Часть утверждений — заявления вендоров и проектов; проверяйте на своей среде.

1. Суть публикации

Практическое руководство: как найти узкие места профайлером, отдать агенту только медленные участки и портировать их без переписывания всего проекта целиком. Время выполнения: 40–60 минут на первый проход (профиль + одна правка + проверка) Уровень сложности: Intermediate

Внутри: прямые ответы, ключевые факты, участники, связи, достоверность, неизвестное и источники.

Машинные данные публикации: Citation Map JSON · JSON-LD · Semantic Embeddings — отдельный этап.

Полный Knowledge Layer: разделы 2–8

2. Прямые ответы

Что это за материал?
Практическое руководство: как найти узкие места профайлером, отдать агенту только медленные участки и портировать их без переписывания всего проекта целиком. → подробнее (AR-GUIDE-KAKUSKORIT-001)
Что понадобится?
ОС: Linux/macOS (в примерах bash) или Windows 10/11 с PowerShell — команды профилирования одинаковые, отличается только активация venv: .venv\Scripts\Activate.ps1.; Python 3.9+ и рабочий venv. Минимальную версию для ваших пакетов сверьте с документацией проекта.; Права на запись в каталог проекта: профиль пишется в… → подробнее (AR-GUIDE-KAKUSKORIT-003)
Как это сделать?
Шаг 1. Профилирование: найти горячие 5% → Шаг 2. Переписывание горячей функции агентом → Шаг 3. Проверка результата: тесты и замер → подробнее (AR-GUIDE-KAKUSKORIT-004)
Что может пойти не так?
Ошибка: error: externally-managed-environment → подробнее (AR-GUIDE-KAKUSKORIT-006)

3. Ключевые факты

  1. Время выполнения: 40–60 минут на первый проход (профиль + одна правка + проверка) — подтверждение; статус: заявление источника.
  2. Уровень сложности: Intermediate — подтверждение; статус: заявление источника.
  3. Понадобится: Python 3.9+ (cProfile, pstats — входят в стандартную библиотеку), py-spy, line_profiler, pytest, доступ ИИ-агента к репозиторию (модель и версия агента — сверьтесь с документацией вашего инструмента), тесты проекта, если они есть — подтверждение; статус: заявление источника.
  4. ОС: Linux/macOS (в примерах bash) или Windows 10/11 с PowerShell — команды профилирования одинаковые, отличается только активация venv: .venv\Scripts\Activate.ps1. — подтверждение; статус: заявление источника.
  5. Python 3.9+ и рабочий venv. Минимальную версию для ваших пакетов сверьте с документацией проекта. — подтверждение; статус: заявление источника.
  6. Права на запись в каталог проекта: профиль пишется в profile.out в текущей папке. — подтверждение; статус: заявление источника.
  7. Ошибка: error: externally-managed-environment — подтверждение; статус: анализ AI Release.
  8. Причина: в Debian/Ubuntu новые версии Python блокируют установку пакетов в системное окружение (механизм PEP 668). — подтверждение; статус: анализ AI Release.

4. Участники и сущности

СущностьТипРоль в публикации
как ускорить Python кодтема/инструментупоминается в заголовке, TL;DR или разделах гайда
профилирование Pythonтема/инструментупоминается в заголовке, TL;DR или разделах гайда
оптимизация кода с помощью ИИтема/инструментупоминается в заголовке, TL;DR или разделах гайда
как найти узкие места в кодетема/инструментупоминается в заголовке, TL;DR или разделах гайда
Pythonплатформа/технологияупоминается в заголовке, TL;DR или разделах гайда

5. Связи и контекст

  • Гайд — описывает → Как ускорить Python-код с помощью ИИ-агента: профилирование и переписывание горячих 5% (AR-GUIDE-KAKUSKORIT-001).
  • Гайд — содержит шаг → Шаг 1. Профилирование: найти горячие 5% (AR-GUIDE-KAKUSKORIT-001).

6. Достоверность и происхождение информации

Подтверждено

В материале нет отдельного независимого подтверждения; ниже разделены заявления источников и редакционные выводы.

Заявление источника

  • Характеристики продуктов, версии, цены и лимиты — из описаний вендоров и материалов гайда.
  • Команды и шаги приведены как рекомендация, а не как гарантированный результат.

Анализ AI Release

  • Структура, сравнение и критерии выбора — редакционные.
  • Гайд не заменяет независимый аудит или юридическую консультацию.

7. Что пока неизвестно

  • Ошибка: error: externally-managed-environment
  • Причина: в Debian/Ubuntu новые версии Python блокируют установку пакетов в системное окружение (механизм PEP 668).
  • Решение: не ставьте пакеты глобально — активируйте venv и повторите:
  • Ошибка: ValueError: operands could not be broadcast together with shapes (1000000,) (999999,)

8. Источники

ИсточникТипРоль
Внешние ссылки в материале не указаны——

Как цитировать: AI Release. Как ускорить Python-код с помощью ИИ-агента: профилирование и переписывание горячих 5%. ai-release.org.