MCP HubMCP Hub
Retour aux compétences

lighthouse-audit

guia-matthieu
Mis à jour 2 days ago
7 vues
111
20
111
Voir sur GitHub
Autreautomation

À propos

Cette compétence automatise les audits Google Lighthouse pour mesurer les Core Web Vitals, le SEO et les métriques d'accessibilité. Les développeurs peuvent l'utiliser pour vérifier les performances des pages, auditer les problèmes techniques de référencement et comparer les résultats d'optimisation. Elle prend en charge l'audit par lots de plusieurs URL pour le suivi et la création de rapports.

Installation rapide

Claude Code

Recommandé
Principal
npx skills add guia-matthieu/clawfu-skills -a claude-code
Commande PluginAlternatif
/plugin add https://github.com/guia-matthieu/clawfu-skills
Git CloneAlternatif
git clone https://github.com/guia-matthieu/clawfu-skills.git ~/.claude/skills/lighthouse-audit

Copiez et collez cette commande dans Claude Code pour installer cette compétence

Documentation

Lighthouse Audit

Automate Google Lighthouse audits to measure and track Core Web Vitals, SEO, and accessibility - the same metrics Google uses for search ranking.

When to Use This Skill

  • Performance optimization - Measure LCP, FID, CLS before and after changes
  • SEO audits - Check technical SEO issues (meta tags, structured data, etc.)
  • Accessibility checks - Identify a11y issues for compliance
  • Client reporting - Generate professional performance reports
  • Monitoring - Track scores over time across multiple pages

What Claude Does vs What You Decide

Claude DoesYou Decide
Structures analysis frameworksMetric definitions
Identifies patterns in dataBusiness interpretation
Creates visualization templatesDashboard design
Suggests optimization areasAction priorities
Calculates statistical measuresDecision thresholds

Dependencies

pip install click pandas jinja2
# Also requires Chrome and Lighthouse CLI
# npm install -g lighthouse
# Or use Chrome DevTools built-in Lighthouse

Commands

Single URL Audit

python scripts/main.py audit https://example.com --categories performance,seo
python scripts/main.py audit https://example.com --format html --output report.html

Batch Audit

python scripts/main.py batch urls.txt --output results/
python scripts/main.py batch urls.txt --categories performance --format csv

Compare Before/After

python scripts/main.py compare https://example.com --baseline scores.json
python scripts/main.py compare https://example.com --baseline-url https://staging.example.com

Monitor Over Time

python scripts/main.py history https://example.com --days 30
python scripts/main.py history https://example.com --plot

Examples

Example 1: Full Site Performance Audit

# Create URL list
cat > urls.txt << EOF
https://example.com/
https://example.com/pricing
https://example.com/features
https://example.com/blog
EOF

# Run batch audit
python scripts/main.py batch urls.txt --categories performance,seo,accessibility

# Output: results/audit_2024-01-15/
# ├── example.com_.json
# ├── example.com_pricing.json
# ├── example.com_features.json
# ├── example.com_blog.json
# └── summary.csv

Example 2: Before/After Comparison

# Save baseline
python scripts/main.py audit https://example.com --output baseline.json

# Make optimizations...

# Compare
python scripts/main.py compare https://example.com --baseline baseline.json

# Output:
# Core Web Vitals Comparison
# ─────────────────────────────
# Metric         Before    After    Change
# LCP            3.2s      1.8s     -44% ✓
# FID            120ms     45ms     -63% ✓
# CLS            0.25      0.08     -68% ✓
# Performance    52        89       +37 pts

Example 3: Generate Client Report

# Full audit with HTML report
python scripts/main.py audit https://client-site.com \
  --format html \
  --output client-report.html \
  --include-screenshots

# Output: Professional HTML report with:
# - Executive summary
# - Core Web Vitals scores
# - Screenshots of issues
# - Prioritized recommendations

Audit Categories

CategoryChecksImpact
performanceLCP, FID, CLS, TTFB, Speed IndexSearch ranking
seoMeta tags, headings, links, mobileSearch visibility
accessibilityWCAG compliance, contrast, labelsCompliance
best-practicesHTTPS, security, modern APIsTrust
pwaService worker, manifest, offlineApp-like experience

Core Web Vitals Thresholds

MetricGoodNeeds ImprovementPoor
LCP (Largest Contentful Paint)≤2.5s2.5s-4.0s>4.0s
FID (First Input Delay)≤100ms100ms-300ms>300ms
CLS (Cumulative Layout Shift)≤0.10.1-0.25>0.25
INP (Interaction to Next Paint)≤200ms200ms-500ms>500ms

Output Formats

FormatUse CaseContent
jsonAutomation, storageFull raw data
csvSpreadsheets, analysisSummary scores
htmlClient reportsVisual report
mdDocumentationMarkdown summary

Skill Boundaries

What This Skill Does Well

  • Structuring data analysis
  • Identifying patterns and trends
  • Creating visualization frameworks
  • Calculating statistical measures

What This Skill Cannot Do

  • Access your actual data
  • Replace statistical expertise
  • Make business decisions
  • Guarantee prediction accuracy

Related Skills

Skill Metadata

  • Mode: centaur
category: seo-tools
subcategory: performance
dependencies: [lighthouse, click, pandas]
difficulty: beginner
time_saved: 3+ hours/week

Dépôt GitHub

guia-matthieu/clawfu-skills
Chemin: skills/seo-tools/lighthouse-audit
0
ai-skillsanthropicclaude-codeclaude-skillsmarketingmcp-server

Compétences associées

llamaguard

Autre

LlamaGuard est le modèle de Meta, doté de 7 à 8 milliards de paramètres, conçu pour modérer les entrées et sorties des LLM selon six catégories de sécurité comme la violence et les discours haineux. Il offre une précision de 94 à 95 % et peut être déployé avec vLLM, Hugging Face ou Amazon SageMaker. Utilisez cette compétence pour intégrer facilement le filtrage de contenu et des garde-fous de sécurité dans vos applications d'IA.

Voir la compétence

cost-optimization

Autre

Cette compétence de Claude aide les développeurs à optimiser les coûts du cloud grâce au redimensionnement des ressources, aux stratégies d'étiquetage et à l'analyse des dépenses. Elle fournit un cadre pour réduire les dépenses cloud et mettre en œuvre une gouvernance des coûts sur AWS, Azure et GCP. Utilisez-la lorsque vous devez analyser les coûts d'infrastructure, redimensionner les ressources ou respecter des contraintes budgétaires.

Voir la compétence

quantizing-models-bitsandbytes

Autre

Cette compétence quantifie les LLMs en précision 8 bits ou 4 bits à l'aide de bitsandbytes, permettant une réduction de 50 à 75 % de la mémoire utilisée avec une perte de précision minime. Elle est idéale pour exécuter des modèles plus volumineux sur une mémoire GPU limitée ou pour accélérer l'inférence, prenant en charge des formats comme INT8, NF4 et FP4. La compétence s'intègre à HuggingFace Transformers et permet l'entraînement QLoRA ainsi que l'utilisation d'optimiseurs en 8 bits.

Voir la compétence

dispatching-parallel-agents

Autre

Cette compétence Claude déploie plusieurs agents pour enquêter et résoudre simultanément 3 problèmes indépendants ou plus. Elle est conçue pour des scénarios impliquant des défaillances non liées qui peuvent être résolues sans état partagé ni dépendances. La capacité fondamentale est la résolution de problèmes en parallèle, en assignant un agent par domaine problématique indépendant afin de maximiser l'efficacité.

Voir la compétence