agentleFS
joaoguirunasjoaoguirunas/team-os/.claude/skills/core-web-vitals/SKILL.md

core-web-vitals

Skill6 starsChanged 2 days agoMITView on GitHub

Diagnosticar e corrigir Core Web Vitals (LCP, INP, CLS) com evidência — campo (CrUX, PageSpeed, Search Console) × laboratório (Lighthouse, trace), subpartes do LCP, fases do INP (long tasks, handlers, hidratação), causas de CLS e correção genérica por framework. Use ao 'melhorar Core Web Vitals', 'corrigir LCP', 'reduzir CLS', 'otimizar INP' ou ao especificar o fix de performance de uma página.

37 other projects use a version of this.

Adopted by

Most recently taken up by

Used with

Projects with it also use javascript-seo, web-quality-audit and 8 more.

Other files people use alongside this one.

Files found in the same public projects as a version of this one, more often than they turn up anywhere else. Each project counts once, large collections count for less, and this file's own repository is left out.
  • MYehia565Skill

    javascript-seo

    Diagnoses JS rendering, lazy-loading, and indexing gaps for client-rendered pages. Use when content appears in the browser but not in fetched HTML or Search.

    Also in 4 projects that use this

  • RodrigoTomeESSkill

    web-quality-audit

    Comprehensive web quality audit covering performance, accessibility, SEO, and best practices. Use when asked to "audit my site", "review web quality", "run lighthouse audit", "check page quality", or "optimize my website".

    Also in 12 projects that use this

  • MYehia565Skill

    ecommerce-seo

    Applies Google ecommerce SEO guidance: IA/URLs, product data, and shopping-related structured data. Use when building or fixing product/category/store search presence.

    Also in 3 projects that use this

  • huiferSkill

    structured-data

    生成和验证 JSON-LD 结构化数据,支持 Article、BlogPosting、Organization、WebPage、Product、LocalBusiness 等 Schema.org 类型。自动检测页面类型,验证语法,检查必需字段,提供 Google Rich Results 测试工具链接和 Next.js 组件代码示例。

    Also in 3 projects that use this

  • kpbraySkill

    best-practices

    Applies Power BI best practices, BPA rules, and enterprise standards. Use for quality validation, naming conventions, and performance optimization.

    Also in 7 projects that use this

  • GSA-TTSSkill

    architecture-decision-records

    Load when a user wants architecture decision records (ADRs) drafted from requirements or a design discussion, asks which decisions need an ADR, or wants an ADR draft reviewed for one-sided trade-offs, weak alternatives or missing requirement links. Not for setting up a project's whole documentation system (project-documentation-system).

    Also in 3 projects that use this

The file

Files
SKILL.md

Core Web Vitals — medir, achar a causa, corrigir, medir de novo

As três métricas de experiência de página do Google: LCP (carregamento), INP (resposta à interação) e CLS (estabilidade visual). Esta skill é o método de diagnóstico e correção. Para o contexto de SEO (peso no ranking, estatísticas do CrUX, mitos como "CWV 2.0") a referência é seo/references/cwv-thresholds.md (skill /seo) — não repetimos aquilo aqui.

Limiares

MétricaBomPrecisa melhorarRuim
LCP≤ 2,5 s2,5 – 4 s> 4 s
INP≤ 200 ms200 – 500 ms> 500 ms
CLS≤ 0,10,1 – 0,25> 0,25

A régua é o p75 de campo: 75% das visitas reais precisam ficar em "bom", por página e por origem, separando mobile e desktop. INP é a única métrica de interatividade — FID foi aposentado em 2024, nunca o cite.

Campo × laboratório — nunca na mesma frase

FonteTipoPara quê
CrUX (API ou BigQuery), relatório CWV do Search Console, bloco "dados reais" do PageSpeed InsightsCampo (usuários reais do Chrome, janela de 28 dias, p75)Decidir se há problema e priorizar
RUM próprio (biblioteca web-vitals com build de atribuição)Campo (seus usuários, por rota, device, release)Segmentar e atribuir a causa em produção
Trace do navegador (DevTools → Performance, ou navegador headless)Laboratório (uma carga, condições declaradas)Diagnosticar por que
Lighthouse / bloco "diagnóstico" do PageSpeedLaboratório (simulado, throttling fixo)Fallback controlado e comparação antes/depois
PerformanceObserver no consoleSessão únicaDepurar uma página aberta

Regras:

  • Campo decide, laboratório explica. Um valor de Lighthouse não é comparável a um p75 de campo — são amostras diferentes. Rotule sempre: "LCP campo p75 mobile 3,4 s (CrUX, 28 dias até DD/MM)" e "LCP lab 2,1 s (Lighthouse mobile, Moto G simulado)".
  • Lighthouse não mede INP (não há interação); o proxy de laboratório é o TBT (Total Blocking Time). INP real só vem de campo ou de trace de uma interação gravada.
  • Página sem volume no CrUX: use o dado de origem, rotulado como tal, ou RUM próprio. Nunca invente o p75 de página.
  • Quando a squad seo existe no projeto, o número de campo é da SESHAT (seo-google), com #id — peça a ela em vez de consultar por conta própria. Sem a squad seo, cite a fonte e a data da consulta.
  • Sem runtime não há veredicto. Só com código-fonte dá para apontar causa provável; não afirme que "o LCP está ruim" sem medição.
  • Depois do fix: meça de novo no laboratório nas mesmas condições. Melhora de campo só aparece com novas visitas (CrUX leva até 28 dias) — nunca declare "CWV corrigido" no mesmo dia; declare "lab melhorou de X para Y; campo a confirmar em DD/MM".

Sequência de trabalho

  1. Campo: quais métricas reprovam, em qual device, em quais páginas/templates (p75).
  2. Trace da página reprovada, em condição representativa (mobile, CPU 4× mais lenta, rede 4G) — anote as condições.
  3. Leia só os insights da métrica que reprova e vá ao código/recurso implicado.
  4. Hipótese → correção mínima → mesmo trace de novo → compare a subparte/fase, não só o total.
  5. Registre: métrica, fonte, subparte dominante, causa, fix, antes/depois de lab, data para conferir o campo.

LCP — o maior elemento visível

O elemento LCP costuma ser imagem de destaque (hero), pôster de vídeo, imagem de fundo via CSS ou um bloco grande de texto. Descubra qual é antes de otimizar — o trace mostra, ou o observer em references/LCP.md.

Subpartes (o total é a soma; ataque a que domina):

SubparteO que éCausa típicaCorreção típica
TTFBAté o 1º byte do HTMLServidor lento, sem cache/CDN, redirects, cold startCache na borda, stale-while-revalidate, cortar redirects, otimizar a consulta
Atraso de carga do recursoDo TTFB até o navegador pedir o recurso LCPImagem descoberta tarde (fundo em CSS, injetada por JS, loading="lazy" no hero)<img> no HTML inicial com fetchpriority="high"; preload só se o trace mostrar descoberta tardia
Tempo de carga do recursoDownload do recurso LCPImagem pesada, tamanho errado, formato antigoRedimensionar, srcset/sizes, AVIF/WebP, CDN de imagem
Atraso de renderizaçãoDo recurso pronto até a pinturaCSS/JS bloqueando renderização, LCP montado no cliente, fonte bloqueando textoCortar CSS bloqueante, defer em JS, renderizar no servidor (SSR/SSG/streaming), font-display: swap

Nunca loading="lazy" no elemento LCP. Não prometa "economia de X ms" genérica: meça a subparte antes e depois. Detalhes, código e Speculation Rules (prerender da próxima navegação) em references/LCP.md.

INP — a pior interação da visita (aprox.)

INP mede o tempo de um clique, toque ou tecla até o próximo quadro pintado. Divida em três fases e otimize só a que o trace apontar:

FaseEvidênciaCorreção típica
Atraso de entradaLong tasks (> 50 ms) já ocupando a thread principal quando o usuário interage — script de terceiro, inicialização, hidrataçãoQuebrar tarefas longas, adiar terceiros, reduzir/fatiar a hidratação (ilhas, componentes de servidor, carregar sob demanda)
ProcessamentoO próprio event handler e o trabalho síncrono que ele dispara (re-render grande, cálculo)Tirar trabalho do handler, dar feedback visual antes, ceder a thread (scheduler.yield()), Web Worker para CPU pesada
Atraso de apresentaçãoEstilo, layout e pintura depois do handlerReduzir o DOM afetado, evitar layout forçado (ler e escrever geometria intercalados), content-visibility em listas longas

Hidratação é causa frequente em sites React/Vue: a página parece pronta, mas a thread está ocupada e o primeiro clique espera. Grave o trace interagindo durante o carregamento, não só depois. Padrões de código (ceder a thread, feedback antes do trabalho, observer de interações lentas) em references/INP.md.

CLS — nada mexe sem o usuário pedir

CLS soma deslocamentos inesperados de layout durante a visita (cada um = fração de impacto × fração de distância). O elemento que se moveu costuma ser vítima — procure o que foi inserido ou redimensionado acima dele.

CausaCorreção
Imagem, vídeo ou iframe sem dimensãowidth/height no HTML ou aspect-ratio no contêiner
Anúncio, embed, componente assíncronoContêiner com altura mínima realista reservada
Banner de cookies, aviso, mensagem de validação inserido no topoSobreposição (overlay) ou espaço reservado antes do conteúdo chegar
Troca de fonte (fallback → web font com métrica diferente)Fallback com size-adjust/ascent-override calculados para o par real de fontes; font-display: optional quando couber
Animação de top/left/height/widthAnimar transform e opacity
Skeleton com altura diferente do conteúdo finalSkeleton com as mesmas dimensões

Teste os estados que mudam layout (scroll, abrir menu, carregar mais, consentimento), não só a carga inicial, e em mais de uma largura. Código e checklist em references/CLS.md.

Correção por framework (genérica)

ProblemaPrincípio, em qualquer stack
Hero lentoComponente de imagem do framework com prioridade/eager no LCP, sizes correto, lazy em todo o resto
Conteúdo acima da dobra montado no clienteRenderizar no servidor ou estático; streaming para o resto
JS demais na cargaDividir por rota, importar sob demanda o que está abaixo da dobra ou atrás de interação
Hidratação travando o primeiro cliqueMenos componentes interativos no cliente; hidratar sob demanda/visibilidade
Terceiros (chat, analytics, pixel)Carregar depois da interação ou da ociosidade; medir o custo de cada um
FontesAuto-hospedar, preload só da fonte do LCP, subset, font-display

Correções específicas de React/Next.js (next/image com priority, Server Components, dynamic(), useTransition, Suspense/streaming, next/font) estão em /nextjs-react-best-practices — use aquela skill, não duplique aqui.

Quem faz o quê no pack

  • seo-performance (SHU) mede, aponta a subparte/fase e a causa e escreve a especificação do fix; não altera código.
  • seo-google (SESHAT) é a fonte dos números de campo (CrUX/GSC/PSI) quando a squad seo existe.
  • sites-dev-delta / dev-dev-delta implementam a correção e provam com o mesmo trace antes/depois (/verify-before-done).

Checklist de entrega

  • Métrica reprovada identificada com fonte de campo, device e data (ou "sem dado de campo" declarado)
  • Campo e laboratório rotulados separadamente
  • Subparte do LCP / fase do INP / nó e gatilho do CLS identificados no trace
  • Uma correção por vez, ligada à causa
  • Mesmo trace, mesmas condições, antes e depois
  • Data para reler o campo registrada; nenhuma afirmação de melhora de campo antes disso

Referências

  • references/LCP.md — subpartes, imagens, CSS crítico, SSR/streaming, Speculation Rules, observer
  • references/INP.md — fases, ceder a thread, feedback antes do trabalho, terceiros, observer, atribuição em produção
  • references/CLS.md — reserva de espaço, conteúdo dinâmico, fontes, animação, observer
  • /seo → references/cwv-thresholds.md — fatos de SEO sobre CWV (ranking, CrUX, mitos)
  • web.dev: artigos "LCP", "INP", "CLS" e "Optimize INP"

Adaptado de addyosmani/web-quality-skills → skills/core-web-vitals (MIT, commit afa8da9) — 2026-10-20; texto em pt-BR, reorganizado para o pack.

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.