cursor性能压测提示词需覆盖五大线上场景：①dbcp连接池满载排队/超时；②redis单key高频读写与混合key带宽挤压；③jvm内存泄漏触发gc stw抖动；④http下游服务熔断阈值验证；⑤kafka消费者kill-9引发rebalance风暴。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你需要让Cursor生成的性能压测提示词能覆盖系统瓶颈定位、资源争用模拟、数据倾斜触发、冷热路径混压、依赖服务降级这五个真实线上压测场景，不能只写“请做压力测试”，否则AI只会生成单线程循环调用的无效脚本。
定位数据库连接池耗尽问题
第一步：在提示词开头明确声明压测目标——【必须聚焦于DBCP连接池满载后的排队/超时行为，不涉及缓存或前端响应】。
第二步：指定并发模型——使用100个并发线程，每个线程执行5次订单查询→每次查询后强制sleep 50ms→第6次查询时立即发起（制造连接复用失效）。
第三步：要求输出可验证指标——记录每轮中getConnection()阻塞毫秒数、连接池activeCount峰值、抛出SQLException的次数及堆栈关键词（如“waited for connection”）。
模拟Redis热点Key打爆带宽
方法一：构造单Key高频读写组合
让AI生成一个压测脚本，持续对key="hot:order:status:10086"执行GET+INCR+EXPIRE三连操作，QPS固定为800，持续90秒。注意：必须禁用pipeline，否则无法复现网络包碎片化现象。
方法二：混合Key分布制造带宽挤压
设置70%请求打向1个热点Key，25%打向100个随机Key，5%打向10个大Value Key（每个value≥1MB）。【L3压测版必须标注“该比例需匹配线上监控中Redis bandwidth usage > 92%时的流量分布”】。
触发JVM GC导致STW抖动
在提示词中写明内存参数约束——【-Xms4g -Xmx4g -XX:+UseG1GC -XX:MaxGCPauseMillis=200】，并强制要求压测进程每30秒分配一次128MB byte[]数组且不释放引用。
这一步操作起来很简单，直接把上述JVM参数和内存分配逻辑粘贴进Cursor对话框即可。AI会自动注入GC日志采集指令（-Xlog:gc*:file=gc.log），但你得手动确认它没漏掉-XX:+PrintGCDetails。
Agents 正在你的整个代码库中处理越来越复杂、运行时间更长的任务。本次版本引入了新的 agent 框架改进，以实现更好的上下文管理，并在编辑器和 CLI 中带来了许多提升使用体验的修复。
生成的报告必须包含每次Full GC前后的堆内存Used占比、STW时长柱状图、以及是否出现Allocation Failure触发的Young GC连锁反应。
验证下游HTTP服务熔断阈值
第一步：定义故障注入规则
对下游支付服务（https://pay.api/v1/charge）注入三种故障：① 30%请求返回503且header含Retry-After: 30；② 20%请求TCP连接超时（connect_timeout=800ms）；③ 10%请求TLS握手失败（用openssl s_client -connect伪造）。
第二步：绑定熔断器行为
当连续5次调用失败率＞45%时，Hystrix应开启熔断→后续10秒内所有请求直接fallback→10秒后半开→允许1个试探请求→成功则关闭熔断，失败则重置计时器。
第三步：输出判定依据
提供curl命令验证熔断状态：curl -I https://api/v1/order | grep "X-Circuit-State"，返回值必须是OPEN/CLOSED/HALF_OPEN三者之一。
复现Kafka消费者组Rebalance风暴
用以下结构写提示词：“启动5个消费者实例订阅topic=order_events，每个实例配置group.id=stress-test-v3，max.poll.interval.ms=60000。前30秒正常消费，第31秒起，让其中2个实例进程被kill -9 →观察剩余3个实例的rebalance耗时、lag增长曲线、以及__consumer_offsets分区写入突增情况。”
【关键点：必须指定kill -9而非优雅退出，否则不会触发Coordinator心跳超时】。
AI生成的脚本里要包含kafka-consumer-groups.sh --describe命令的定时快照，间隔设为5秒，持续捕获2分钟。
