Perf

Phase 1 — Identifier les bottlenecks

Lancer d'abord :

python scripts/project_health.py   # vue globale

Web App (Next.js) :

• Server Components vs Client Components inutiles ("use client" abusif ?)
• Re-renders inutiles (props instables, Context trop large)
• N+1 queries (boucle avec query DB à chaque itération)
• Images non optimisées (pas de next/image)
• Composants lourds non lazy-loadés (dynamic(() => import(...)))
• Bundle size : analyser next build output — alerter si JS client > 500KB
• Pas de cache() sur les Server Components qui refetch les mêmes données

API + DB :

• Index manquants sur FK et champs de recherche fréquents
• Endpoints sans pagination (retournent tout)
• Opérations lentes dans le handler (email, PDF, webhook) → doivent être async
• Connection pooling Supabase : utiliser le pooler (port 6543), pas direct

Background jobs :

• Emails, webhooks, exports PDF, traitements IA → ne JAMAIS bloquer le handler
• Solutions recommandées : Trigger.dev v4 ou Inngest (voir docs/integrations/ai-tools-2026.md)
• Pattern : POST /api/invoice → créer job → return 202 → Trigger.dev exécute en fond

Edge :

• Endpoints légers (auth check, redirects) → Edge Runtime (export const runtime = 'edge')
• DB géo-distribuée pour faible latence globale : Turso (SQLite edge) ou Neon (serverless Postgres)

Phase 2 — Quick wins (par ordre d'impact)

1. Index DB manquants — impact immédiat, 0 code à changer

``sql CREATE INDEX ON public.invoices (organization_id, created_at DESC); ``

1. Pagination sur tous les endpoints de liste (limit + cursor)
2. Lazy load composants lourds (éditeurs, charts, maps)
3. Cache React Query : staleTime: 5 * 60 * 1000 sur les queries stables
4. next/image pour toutes les images + formats WebP/AVIF
5. Debounce les inputs de recherche (300ms)
6. Passer en async les opérations lentes (email → Resend en background)

Phase 3 — Optimisations avancées

• Streaming + Suspense : perceived performance sur les pages lentes
• ISR : contenu semi-statique avec revalidate
• PgBouncer / Supabase pooler : connection pooling DB (déjà intégré Supabase)
• Trigger.dev : background jobs pour tâches IA longues (génération, analyse)

Output

Rapport avec :

• Bottlenecks identifiés par sévérité (CRITICAL / WARNING / INFO)
• Quick wins appliqués immédiatement
• Recommandations pour les optimisations avancées + estimation d'impact

Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

• Author: GlamgarOnDiscord
• Source: GlamgarOnDiscord/claude-saas-blueprint
• License: MIT

Install and usage instructions live in the source repository linked above.