Zane/obsidian-notes
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

InBox: 知乎回答 - Unity Profiler Agent 真机性能采集工具逆向复盘 (尹鹏帅)

Browse Source
This commit is contained in:
Zane
2026-08-20 01:34:13 +08:00
parent eed3dbdee7
commit fc4ee14b6f
1 changed files with 368 additions and 0 deletions
Download Patch File Download Diff File Expand all files Collapse all files

368
InBox/zhihu_UnityProfilerAgent_真机性能采集工具逆向复盘_尹鹏帅.md Normal file
View File

@@ -0,0 +1,368 @@
---
source: 知乎回答
url: https://www.zhihu.com/question/28824284/answer/2073491183658067620
created: 2026-08-20
author: 尹鹏帅
tags: [zhihu, unity, 性能优化, 逆向工程, AI编程]
---
# 如何正确高效的查找游戏「卡顿」原因？——Unity Profiler Agent 逆向复盘
> 来源：[知乎回答](https://www.zhihu.com/question/28824284/answer/2073491183658067620) · 作者：尹鹏帅
一个独立运行于 Unity Editor 之外的真机性能采集工具的诞生记：从 adb forward 到 PD3U 数据流，从逐位爆破调用栈开关到给 LLM Agent 装上 MCP 义肢。全文含大量二进制协议细节与踩坑实录，建议配咖啡阅读。
## 一、缘起：一个不算梦想的"梦想"
先交代一下背景。因为工作内容的原因，我一直没有深入研究过 Unity 的性能优化——即使偶尔涉及到，也是浅尝辄止：打开 Profiler 看一眼，"哦，这里卡了"，截个图发到群里，然后就没有然后了。多年下来，技能树这一块始终是灰色的，无所成长。
但时代变了。随着常规开发任务逐渐被 AI 承担，我自然也想着让 AI 来帮我分析性能，也算随大潮重新站到起跑线上了——我有 GPT 和 Claude，我怕谁！
理想很丰满，现实却有点骨感。Unity Editor 的 Profiler 是一个彻头彻尾的 GUI 程序，它和 AI Agent 的配合方式只有一种：**截图**。你截一张 Profiler 的图丢给大模型，它眯着眼睛（好吧它没有眼睛）辨认半天，告诉你"Rendering 那一栏好像有点高"。我们来算一笔账：一张 Profiler 全界面截图，分辨率稍微高一点就是一两千 token；一次像样的性能分析，怎么也得看 CPU 时间轴、Hierarchy 展开、Memory 明细、Rendering 计数器好几张图；再追问两轮，上下文里就堆了上万 token 的图片，模型还只能从像素里"猜"数字。token 吃不消不说，这种"看图说话"的分析精度，实在对不起"性能优化"这四个严谨的字。更要命的是，截图是有损压缩的信息——Hierarchy 里折叠的节点、表格里滚出屏幕的行，截图里根本没有。
与此同时，我心里一直有个埋藏已久的"梦想"：**Editor Profiler 到底是怎么和手机通信的？那些数据又是如何组织的？** 每次用 USB 连上手机、在 Editor 里点下 Record，看着帧曲线跳动，我都会好奇这根数据线里跑的到底是什么字节。Unity 从不公开这些协议，网上能搜到的只言片语也大多过时或者以讹传讹。
于是两件事合流了：我决定开发一个 **Unity Profiler Agent**——一个独立于 Unity Editor 的性能分析工具，直接和手机上的 Unity Player 对话，拿到和 Editor Profiler 同源的原始数据，再把这些结构化数据喂给 AI Agent，让 AI 性能分析的效率最大化。截图是模拟信号，协议数据才是数字信号，我要给 AI 接上数字信号。
当然，这些协议都是 Unity 闭源的，没有任何公开文档，目标很模糊，只能一点点"PUA" AI 去搞了。所谓 PUA，就是不断给它压担子、提要求、否定它的错误答案、逼它设计实验验证——后面会看到，这套玩法贯穿了整个项目。
这件事，本来做也可，不做也可。中间也几度放弃过，所幸大致完成了目标，也算有所收获。这篇文章就是整个开发过程的复盘，关键技术点一个不落，坑也一个不留地交代。文中所有协议细节——魔数、位语义、字节布局——都来自对 Unity 2022.3 的真机实测，代码注释里保留了完整的"证据链"；如果你拿着别的 Unity 版本对不上号，那很正常，逆向结论从来都是有保质期的。
## 二、技术选型与逆向方法论
| 层 | 选型 |
| --- | --- |
| 后端 | Go 1.25 + Wails v3.0.0-beta.8 |
| 前端 | React 18 + TypeScript + Vite |
| 图标 | lucide-react |
| 虚拟化 | @tanstack/react-virtual（十万级帧数据流畅滚动） |
| LLM 接入 | ACP（Agent Client Protocol）via acp-go-sdk |
选型的逻辑，一条条说：
**1. 协议解析是核心，Go 是舒适区。** 二进制流解析、goroutine 读写循环、环形缓冲、channel 事件泵，这些都是 Go 的主场，`encoding/binary` 一把梭。更重要的是测试——`go test` 秒级跑完全部用例，这个反馈速度对 AI 协作至关重要，后面会反复强调。
**2. 要桌面应用，不要命令行。** 性能数据需要堆叠图、虚拟化表格、层级树、时间轴，命令行展示不了。那为什么不直接做 Unity Editor 插件？因为初衷就是"脱离 Editor"——Editor 又重又慢，而且我要的恰恰是搞清楚 Editor 底下发生了什么，寄生在它体内还怎么观察它。Electron 太重，Wails 用 Go 做后端、系统 WebView 做前端，产物就是一个几 MB 的 exe，正合适。至于用 v3 的 beta 版有没有风险？有，但 beta.8 已经相当稳，而且 v3 的服务绑定和事件机制比 v2 干净不少，值得冒险。
**3. LLM 接入走 ACP，而不是自己调 API。** 这是最容易被质疑的一个决策：直接调 OpenAI/Claude 的 API 不是更简单吗？简单，但我没有 API——我手里只有 Codex 和 Cursor 的订阅，一个 API Key 都没有。这听起来是限制，想清楚之后反而成了最正确的路线：订阅制 Agent 本来就是我每天都在用、已经付过费的算力，自己调 API 不仅要额外掏钱，还得管 Key、管上下文窗口、管工具调用循环——等于自己重写一个 Agent。而 ACP（Agent Client Protocol，Zed 编辑器主导的开放协议）让我可以直接复用这些现成的 Agent：Gemini CLI 加 `--experimental-acp`，Claude Code 有社区适配器 `claude-code-acp`，Codex 也能以 app-server 模式接入。我零配置成本、零维护成本，Agent 能力还随官方升级自动变强。站在协议的肩膀上，比站在 API 的泥地里好——何况我根本没有 API 的泥地可站。
**4. 方向反过来行不行？不行，而且是刻意不行。** 也有人问：为什么不把 UnityPerfAgent 做成一个 MCP Server，让 Codex、Cursor 这些现成的 Agent 客户端来接？这样连聊天 UI 都不用写了。我认真考虑过，最后否决了，理由有两个。一是**不想管理繁多的 MCP**：每换一个 Agent 客户端就要配一遍 MCP，配置散落各处，版本升级、路径变更、端口冲突全是维护负担，工具没做成先成了 MCP 管理员。二是**环境隔离**：Codex 和 Cursor 里已经挂着一堆别的 MCP 和 Skill，真把性能数据工具挂进去，Agent 每次分析都要在一大堆工具描述里挑挑拣拣，上下文被污染、工具被误调，分析质量反而下降。所以最终的选择是反过来的——**在本工具中内嵌一个干净的 Agent 环境**：Agent 由工具拉起，能看到的 MCP 只有内置的那一个，系统提示词里只有性能优化这一件事。专一，才能专业。
![Image 1](https://picx.zhimg.com/50/v2-32abcfb35c470065e71e518818f80546_720w.jpg?source=2c26e567)
### 2.1 逆向方法论：没有文档，就制造证据
在正式进入技术细节之前，先把这次逆向的工作方法交代清楚，因为后面每一章都在用它。
面对闭源协议，我们的标准动作是四步循环：**抓包 → 比对 → 假设 → 实验**。
抓包是地基。让 AI 写了一个 TCP 中间人：架在 adb forward 的本机端口和真实连接之间，双向转发的同时把字节流原样 dump 成文件。然后用 Editor 连真机，做一组"标准动作"——打开 Profiler 窗口、勾选/取消 Call Stacks、断开重连——每个动作对应一份抓包文件。动作之间要隔开几秒，方便按时间戳把报文和操作对上号。
比对是放大镜。两份抓包做 diff：勾选 Call Stacks 前后，Editor 多发了哪条报文？报文体的哪几个字节变了？变化往往就集中在一个 u32 上，剩下的就是语义猜测。假设要大胆，实验要小心——每个假设都设计成"只改一个变量"的真机实验，改一个位、看一次行为、记一条结论。AI 在这个循环里的角色是"实验仪器制造商"：抓包工具、diff 工具、假 Player、测试用例，全是它写的；而"下一步验什么"永远由人拍板。
还有一条原则贯穿始终：**所有结论必须落成代码注释里的"实测记录"**。你会在代码里看到大量"实测自 Unity 2022.3 Editor"、"真机逐位实测"、"实测帧率直接减半"这样的注释。逆向项目的代码注释不是解释代码的，是保存证据的——三个月后没人记得某个魔数是哪来的，注释里的实测记录就是唯一的考古层。
## 三、第一关：USB 数据线里的秘密
### 3.1 adb forward 的正确姿势
要让电脑和手机上的 Unity Player 通信，第一步是搞清楚通道。很多人（包括一开始的 AI）以为 Unity Profiler 走的是设备 `tcp:55000` 直连——这是流传最广的以讹传讹。55000 确实是 Unity 早期远程 profiling 用过的端口，但 Editor 对 Android USB 设备的真实做法是：
`adb forward tcp:<本机端口> localabstract:Unity-{应用包名}`
`localabstract:` 指向的是手机上一个 Unix Domain Socket，名字是 `Unity-` 加包名。这是 Unity Player 在 Development Build 下启动时创建的监听套接字，USB 调试开启后由 adbd 桥接出来。所以工具的第一块代码 `internal/adbforward` 要做三件事：
1. 执行 `adb devices -l` 枚举设备，只认状态为 `device` 的行（`unauthorized`、`offline` 统统跳过），机型从 `model:xxx` 字段里抠出来、下划线换成空格；
2. 解析手机的 `/proc/net/unix`，找到 `Unity-{bundleId}` 这个 socket 名——包名不一定等于我以为的那个，所以还要结合前台应用信息兜底；
3. 执行 `adb forward tcp:0 localabstract:Unity-{包名}`（`tcp:0` 让系统自动分配本机端口），再连 `127.0.0.1:<分配到的端口>`。
这里容易和另一个知识点打架：Unity Player 在设备上确实有一个固定的 TCP 监听端口范围（55000–55016，Player 启动时在这个闭区间里挑一个空闲端口，默认 55000），Editor 的 Wi-Fi 直连（Direct Connection）扫的就是它。但请注意，那是**设备侧**的端口，而且属于 Wi-Fi 通道；USB 通道走的是上面的 Unix 抽象套接字，Player 那一端根本没有端口的概念。而 `tcp:0` 里的 0 是**本机侧**端口——它只是 adb 在本机开的转发隧道入口，让 adb 自动分配一个空闲端口并打印出来即可，Player 永远看不到它，自然也不受 55000–55016 的约束。两个端口，一个在手机上、一个在电脑上，中间隔着 adb 这条隧道，互不相关。
![Image 2](https://picx.zhimg.com/50/v2-806dc67ce89b555841fcdafab636b3f6_720w.jpg?source=2c26e567)
这种脏活累活 AI 写得又快又好，但**解析规则必须人来定**——AI 不知道你的测试机上 `adb devices` 输出到底长什么样，`/proc/net/unix` 里到底有几个候选 socket，只有实测才知道。这是整个项目的第一个方法论结论：**AI 负责把规则写成代码，人负责用真机把规则逼出来。**
### 3.2 PlayerConnection：一切协议之上的协议
通道建好后，连上本机端口，就进入了 Unity 的 **PlayerConnection** 世界。这是 Editor 和 Player 之间的通用消息通道，Profiler 只是跑在它上面的一种业务（脚本调试、Memory Profiler 等也走这里）。
逆向的第一步永远是抓包。让 AI 写个 TCP 中间人脚本，架在 adb forward 和真实连接之间，用 Editor 连一次真机，把双向字节流完整 dump 下来。对着十六进制发呆半小时后，好消息出现了：这个协议的报文头非常规整——
`magic(4) = 0x67A54E8F | messageId(16) | length(4) | body(length)`
4 字节魔数 + 16 字节消息 ID + 4 字节小端长度 + 负载。那个 16 字节的消息 ID 是一组固定的 GUID 常量，Editor 和 Player 用它区分消息种类。从抓包里一条条抠出来，写进代码：
* Player → Editor：`MsgIDPlayerInfo`（引擎信息）、`MsgIDAnnounce`（宣告文本）、`MsgIDProfilerData`（Profiler 原始数据流）；
* Editor → Player：`MsgIDProfilerSetup`（标志位）、`MsgIDProfilerAreas`（采集区域掩码）、`MsgIDProfilerCategories`（分类名单）。
这些 GUID 没有任何规律，就是硬编码常量。逆向工程的魅力和枯燥都在这里：**没有文档，只有证据。** 每条 GUID 背后都是一次"抓包—比对—确认"的循环。
![Image 3](https://pica.zhimg.com/50/v2-f150f80d6cf408a28ac1ae994cf7d5d6_720w.jpg?source=2c26e567)
### 3.3 伪装成 Editor
连上之后，Player 会主动推送两条关键消息。
**引擎信息**（`MsgIDPlayerInfo`，31 字节定长）：协议版本（实测为 2）、能力位（是否支持 Deep Profile、是否支持托管调用栈）、平台枚举（Android 是 11）、引擎版本号。版本号的编码很有意思，是 5 个 u32：major、minor、patch、releaseType、releaseNumber，其中 releaseType 是枚举，`a/b/f/p/x` 对应 `0/1/2/3/4`——所以 `2022.3.47f1` 就是 `(2022, 3, 47, 2, 1)`。第一次把这个位运算还原成版本字符串的时候，有种破译密码的快感。
**宣告文本**（`MsgIDAnnounce`）：一段 `[IP] ... [ProjectName] ...` 的人类可读文本，里面有 `Flags` 和 `[Debug]` 标记。这里要纠正一个广泛流传的误解：**`[Debug]` 只表示脚本调试（managed debugger），和能不能 Attach Profiler 无关；`Flags` 的 bit1 才是 SupportsProfile。** 所以 Development Build 即使 `[Debug] 0` 也可以 Attach Profiler。这个结论是真机逐次试出来的，网上很多教程把两者混为一谈。
而我们要做的，是以 `UnityEditor` 的身份完成握手。抓包显示，Editor 连上后**立即**下发一串报文，根本不等 Player 打招呼：
```
ProfilerSetup(flags=0) // 先清零调用栈开关
ProfilerAreas(mask=0x7FFD) // 采集区域掩码：除 GPU 位以外全开
ProfilerCategories(...) // 9 个分类名单：Video, Physics2D, Physics, Render,
// Virtual Texturing, Audio, Memory, Lighting, Gui
Announce("UnityEditor...") // 自报家门
```
`0x7FFD` 这个掩码是实测值——Editor 打开 Profiler 窗口时发的就是它。照着发，Player 就把你当成 Editor，开始按帧推送 Profiler 数据。我们的工具自报身份为 `UnityEditor.Profiler(主机名)`，前缀与 Editor 一致，方便在 Player 侧日志里区分连接来源。第一帧数据解出来的那一刻，成就感不亚于第一次 Hello World。
### 3.4 假连接：Player 的独占槽位
这里必须记录一个工程大坑：**Player 同时只服务一个 Profiler 客户端。** 如果 Unity Editor 的 Profiler 还连着手机，或者上次进程残留了没断开的连接，你的新连接就会一直排在 Player 的等待队列里——TCP 是通的，开启报文也发出去了，但 Player 一个字节都不回。
这种"假连接"最容易让人怀疑人生：代码明明没错，网络明明通的，数据就是没有。排查了一下午才确认是槽位被占。所以代码里专门定义了 `ErrPlayerSilent`：握手 5 秒无响应就报错，并明确提示"Player 同时只服务一个 Profiler 客户端，请确认 Unity Editor 的 Profiler 已断开、且本工具没有残留连接；仍不行就重启游戏进程"。好的错误提示，是逆向工具对使用者最大的温柔——你永远可以相信，下一个踩坑的人就是三个月后的你自己。
## 四、PD3U：Profiler 数据流的解剖
握手完成后，真正的主菜上桌：`MsgIDProfilerData` 消息里装的 Profiler 原始数据流。这是整个项目最硬核的部分，8 月 14 日一整天的两个提交都耗在这里。
### 4.1 流头与分块
数据流的第一包是 56 字节流头：
`magic "PD3U"(4) | 保留(4) | formatVersion(4) | ... | mainThreadID(8) | 引擎版本(5×u32)`
`PD3U` 四个字符（小端读出 `0x55334450`）大概是 "Profiler Data 3 Unity" 的缩写。`formatVersion` 是个日期戳，Unity 2022 是 `0x20220328`——这个值后面会救我们一命，先记住它。`mainThreadID` 指出哪条线程流承载主线程的逐帧事件，这个字段至关重要，4.4 节细说。
流头之后是分块（chunk），结构为：
```
头(20)：magic 0xB10C7EAD | seq(4) | threadIdLow(4) | threadIdHigh(4) | size(4)
负载(size)
尾(8)：seq+1(4) | magic 0xB10CF007
```
注意头尾两个魔数——你品，你细品：`0xB10C7EAD` 是 "BLOCK READ"，`0xB10CF007` 是 "BLOCK FOOT"。Unity 的工程师在二进制协议里埋了 leetspeak 彩蛋，逆向出来的一瞬间我笑了半天。这种小发现是逆向工程里为数不多的乐趣，也是确认"我理解对了"的路标——彩蛋能对上，说明字节布局八九不离十。
分块设计有两个要点：
1. **按线程多路复用。** threadId 是 `high<<32|low` 拼出的 64 位值，与线程元数据里的 ID 一致；`threadId = -1` 的是全局元数据流。主线程、渲染线程、Job 工作线程各自一条流，在同一个 TCP 连接里交织到达。
2. **记录可跨块。** 同一线程的负载要按 seq 顺序拼成连续字节流才能解析，一条记录可能前半截在这个块、后半截在下一个块。所以解析器必须先缓冲、再消费，消费不完的尾部留给下一块。seq 校验是唯一的完整性保障：序号断裂就意味着中间丢了字节，这条流从此不可信。
![Image 4](https://picx.zhimg.com/50/v2-7234c8e1a35e09b47adc2feb2ef2b01d_720w.jpg?source=2c26e567)
### 4.2 解析器的骨架：cursor 与 panic/recover
逐字节解析这种嵌套变长结构，代码很容易写成"每读一个字段检查一次长度"的防御性屎山。这里用了一个干净的模式：定义一个带边界检查的 `cursor` 小端读取器，`take(n)` 越界时直接 `panic(errShortRecord)`；每条记录的解析函数外层用 `recover` 兜住——数据不足就回滚游标、等下一块，其他错误才视为失步。这样记录解析代码可以写成线性的"读、读、读"，一个边界检查都不用写，可读性和正确性双赢。Go 的 panic/recover 用在解析器这种"深度递归 + 统一出口"的场景，是教科书级的合理用法。
### 4.3 元数据流与事件流
拼接好的字节流里是两种记录，各自独立编号。
**元数据流**（threadId = -1）负责建立查询表：marker 定义（ID → 名字、分类、标志位、元数据个数）、分类定义（ID → "Scripts"/"GC" 这类名字）、线程定义（ID → 线程名）、以及——开启 Call Stacks 后才会出现的——**托管方法符号表**。我们项目实测 Unity 2022 手机包的方法表约 33 万条，Player 会一次性全量下发，用来把调用栈里的代码地址还原成方法名。
**事件流**是逐帧的采样事件：`0x22` 帧边界、`0x24/0x27/0x2A/0x2B` 四种 Begin 采样（普通/带扩展/带元数据/带对象上下文）、`0x25` End 采样、`0x2C` 计数器、`0x03` 调用栈、`0x38` 线程时钟戳……Begin/End 构成一棵采样树，计数器则是 Draw Calls、内存分项这些数值。
然后是这个协议最恶心的设计（或者说，最二进制协议的设计）：**记录类型会撞号。** 事件流里 `0x01` 到 `0x0F` 这些类型号，同时也表示"随后跟着 N 个元数据取值"——比如 Begin(GC.Alloc) 之后会跟一条 `0x01` 记录，里面装着这次分配的字节数。于是 `0x03` 既是"3 个取值"又是调用栈记录，`0x04` 既是"4 个取值"又是 LegacyStats 定长统计。怎么消歧？看上下文：调用栈记录的第二个字节固定为 0，而取值类型枚举里 0 是 None、不会出现。代码里就是靠 `peek()` 偷看下一个字节来分流的。逆向这种协议，本质上是和引擎作者的编码习惯博弈——他偷懒复用了类型号空间，你就得替他擦屁股。
### 4.4 帧边界：只有主线程说了算
每条线程流里都有帧记录（`0x22`），但**帧边界只能由主线程流划定**。为什么？因为渲染统计（Draw Calls、Triangles 这些）是渲染线程上报的，如果每条线程都能切帧，一帧的数据会被切成好几段，UI 上就没法看了。所以解码器的分工是：
* 主线程流：决定帧边界、根采样时长、各 ProfilerCategory 的自耗时；
* 其他所有线程流：只贡献计数器，按"当前帧"归集。渲染线程滞后主线程不足一帧，这么归集和 Editor 的显示行为一致。
![Image 5](https://pic1.zhimg.com/50/v2-7ba1c0ae7ecfc4f8c71473c28ceaccdb_720w.jpg?source=2c26e567)
对应的容错策略也是分级的：非主线程流 seq 断裂（失步），只放弃那一条流——它无非少报几个计数器，逐帧指标不受影响；但主线程流或元数据流一旦失步，缓冲区已丢弃、字节流无法重新对齐，就是致命错误。此时宁可主动断开并报错，也不能让界面显示"已连接"却永远停在同一帧，还白占着 Player 唯一的 Profiler 槽位。**Fail loudly, not silently**——工具软件的基本素养。
### 4.5 跨帧的幽灵采样
还有一个只有实测才会发现的坑：Unity 的 `Main Thread`、`PlayerLoop` 这类根采样是**跨帧保持打开**的——Begin 在第 N 帧，End 在第 N+1 帧。如果只在栈弹空时才记录节点，那么卡顿帧（恰恰是你最想分析的帧！）的 Hierarchy 就是空的，只剩分类自耗时，我点进去一脸懵。
解法是在帧边界做一次"快照"：把仍未闭合的采样链原样写入当前帧的 Hierarchy（每层的时长截断到帧边界，自耗时要扣掉已闭合子节点和未闭合内层链），然后把栈上所有 entry 的起始时间重置为帧末、清空子节点和元数据，让它们在新的一帧里继续累积。另外必须给快照深度加上限（64 层）——卡顿帧上未配对的 Begin 可能堆到上万层，全量展开会撑爆递归和 UI。这种防御性限制在逆向项目里不是过度设计，是保命：你永远不知道黑盒对面会吐出什么。
![Image 6](https://pic1.zhimg.com/50/v2-726845fec16d30a803b065d0c5f1dfb1_720w.jpg?source=2c26e567)
### 4.6 版本校验：数据流版本才是真相
项目要求只支持 Unity 2022（AGENTS.md 里写死的规矩）。但握手时怎么判断？看 Player 自报的版本号？
实测给了我们一记响亮的耳光：测试用的游戏包是内部改装引擎（基于 Unity 2022.3.47f1），它自报的版本号居然是 `2018.4.12f1`！如果按版本号拦截，这个包会被当场误判出局。
但数据不会撒谎：它的 Profiler 数据流头里，`formatVersion` 依然是 `0x20220328`。所以最终的判定逻辑是——**优先看数据流格式版本，数据流版本未知时才退回看版本号**。改装引擎可以随手改版本字符串，但只要它没动 Profiler 子系统，数据流格式就还是 2022 的格式，就能正常解析。这个经验值得加粗：**逆向项目里，行为证据永远优先于自我声明。** 后面在错误处理、能力探测上，这条原则反复应验。
## 五、逐位爆破：Call Stacks 开关之谜
8 月 14 日下午到晚上的两个提交之间，穿插着一场精彩的"位运算探案"，值得单独一章。
`MsgIDProfilerSetup` 的报文体是一个 u32 标志位。它的语义是什么？直觉（以及 AI 的第一反应）是：bit0 = Deep Profile，bit1 = Call Stacks。多合理的猜测啊，Editor 工具栏上就这两个开关。然后真机实测直接打脸：按这个映射勾选 Call Stacks 后，我想看的 GC.Alloc 调用栈**一条都没有**，倒是冒出来一堆原生分配的栈。
没办法，只能逐位爆破：一次只置一个位，连真机，看行为变化。32 个位，挨个试。最终结论写在代码注释里，堪称本项目的"镇库之宝"：
* **bit0**：采集**托管分配**（GC.Alloc）的调用栈——这才是 Editor 工具栏 "Call Stacks" 勾选后我真正要看的东西；
* **bit1**：采集引擎**原生分配**（UnsafeUtility.Malloc 等）的调用栈，额外开销很小，可以顺带打开；
* **bit3**：采集原生**分配器**（Native.Alloc/Dealloc/Realloc）的调用栈——实测**帧率直接减半**，采集开销大到影响被测对象，坚决不随 Call Stacks 一起下发；
* 其余位：无任何可观测效果。
![Image 7](https://pica.zhimg.com/50/v2-32b13dc18d7a76f19bde83ad5c3450a2_720w.jpg?source=2c26e567)
那 Deep Profile 呢？整个 u32 逐位测完，**没有一位**能让采样树变深。结论只能写在注释里：Deep Profile 应是另一条尚未逆向出的报文——它需要 Editor 侧插桩配合，Player 光收一个标志位是变不出完整调用树的。之前把 Deep Profile 塞进 bit0 的做法，反而悄悄改掉了调用栈模式，属于典型的"以为懂了其实没懂"。最后工具栏里的 Deep Profile 按钮直接禁用，并在 UI 上注明"需 Editor 插桩，独立工具中禁用"。诚实面对未知，比假装支持重要。
## 六、测试策略：养一只假 Player
逆向项目最大的痛苦是：没有真机就什么都验证不了，而真机测试又慢又麻烦——插线、开游戏、点连接、等数据，一轮下来五分钟，改一行代码验证一次，心态会崩。
解法是 8 月 14 日就建立的，也是整个项目最正确的投资：**在单测里养一只假 Player**（`internal/unityprofiler/player.go`）。
这只假 Player 不是简单的 mock，而是一个完整的协议对端实现：它走真实的 PlayerConnection 报文、发真实的 PD3U 流头和分块、按线程多路复用、发 Begin/End/计数器/调用栈记录，甚至故意把 ChunkSize 设得很小，专门覆盖"记录跨块重组"的路径。它还能模拟各种真机幺蛾子：
* `HeaderBeforeAnnounce`：模拟"连接时 Player 已经在采集"——数据流头先于宣告到达。这种情况握手期间收到的数据流报文必须原样留存，丢掉流头就再也拿不到主线程 ID，整个会话报废；
* `paused`：模拟 Android 弹系统对话框导致的 OnApplicationPause——Player 暂停上报但连接不断，对话框关掉后同一条连接继续吐帧。所以读取循环的超时策略是"继续等"而不是"断开"，10 秒一轮，永不放弃；
* 渲染统计单独走渲染线程上报，和真机一致，逼解码器正确处理多线程归集。
![Image 8](https://pic1.zhimg.com/50/v2-73d6c593f6858e65eba78581d354c908_720w.jpg?source=2c26e567)
因为假 Player 和真机走的是**同一套解码路径**，单测置信度非常高。8 月 18 日那次 +1676/-835 的大重构能一次改完不翻车，全靠这张安全网。
对 AI 协作来说，这更是生死攸关的基础设施。**有了秒级运行的测试闭环，AI 的每次改动都能立刻验证**，"PUA AI"才有抓手——它给出解析逻辑，跑测试，红了就打回去重写，绿了就进入下一轮审查。没有这个闭环，它给你编一段看似合理的二进制解析，你只能瞪着眼睛猜对错，那才是真正的灾难。前端同理：vitest + testing-library，帧格式化、层级布局、时间轴合并这些纯函数全部有单测。项目从头到尾保持 `go test ./...` 和 `npm test` 全绿，这是 AGENTS.md 里写死的规矩，也是对 AI 的紧箍咒。
## 七、性能设计：采集工具自己不能成为性能问题
性能分析工具如果自己卡顿，那就是行为艺术了。几个关键的性能决策：
![Image 9](https://pic1.zhimg.com/50/v2-936c7c77a9c359cbcc6acef6839d6445_720w.jpg?source=2c26e567)
**1. 定长二进制帧。** 帧数据用固定长度二进制编码，单帧负载 164 字节（v2，兼容 v1 的 68 字节）。字段按 Unity Profiler 模块分组：基础（FPS、CPU/GPU/MainThread/Render 耗时、GC Alloc）、CPU Usage 八分类耗时（Rendering/Scripts/Physics/Animation/GC/VSync/UI/Others）、Memory 九项细分（GC/Gfx/Audio/Video/Profiler/System 的 Used/Reserved）、Rendering/Audio/Physics/UI 计数器。定长编码意味着零反射、零序列化开销、零 GC 压力，`binary.LittleEndian` 按偏移量直写直读。
**2. 环形缓冲。** 会话存储是固定容量环形缓冲，默认 10.8 万帧——约 30 分钟 @60fps。追加 O(1)，范围读取 O(n)，内存有硬上界，长时间采集无所畏惧。原始数据流单独设 1 GiB 上限，导出存档时再把流头补回去。
**3. 双重节流。** 后端事件按 250ms 节流推送，前端按 500ms 节流刷新。60fps 的帧数据不需要 60fps 地刷 UI——人眼看不出来，但 React 会被活活累死。
**4. 虚拟化 + 懒加载。** 帧表格用 @tanstack/react-virtual 全虚拟化渲染，十万行数据流畅滚动；数据按 200 帧分块从后端懒加载，不一次灌给前端。
**5. Canvas 直绘。** Profiler 的堆叠时间轴不用任何图表库，Canvas 直接画堆叠柱。图表库在"每帧一根柱子、十万帧"的场景下全是开销，直绘几十行代码搞定，还能精确控制配色对齐 Unity 的分类色。
**6. 并发纪律：锁里绝不回调。** 采集会话的读取循环要把解码出的帧回调给服务层，而服务层会在自己的锁里查询会话状态。如果读取循环持有会话锁时回调，就形成"会话锁 → 服务层锁"和"服务层锁 → 会话锁"两条相反路径，撞上了就是整个界面卡死、连日志都不再动。解法很朴素：解码出的帧先攒在局部切片里，放开会话锁之后再统一回调。这条纪律写在 `readLoop` 的注释里，因为这种死锁在测试里很难复现，只能靠纪律防住。并发代码的坑，三分靠工具，七分靠规矩。
## 八、UI：像素级致敬 Unity Profiler
8 月 15 日到 17 日的几个提交，主题是把 UI 做到"对齐 Unity Profiler 2022"——我希望打开工具就有肌肉记忆般的熟悉感：
* 工具栏：Record 状态、Deep Profile / Call Stacks（前者因第五章的原因禁用并注明）、Clear、帧前进/后退、Current 跳转、当前帧耗时与 FPS；
* 模块开关：CPU Usage、GPU Usage、Rendering、Memory、Audio、Video、Physics、UI；
* 堆叠时间轴：点击选帧，录制时自动跟随最新帧；
* 详情面板：CPU Hierarchy / Timeline、Memory Simple、各模块计数器表。
### 8.1 前后端之间：Wails 服务层与事件泵
顺带说说 Wails 这层胶水的设计，它决定了整个应用的"手感"。后端 `services` 包暴露一个 `PerfService`，Wails 自动生成 TypeScript 绑定，前端像调本地函数一样调 Go 方法——连接设备、查询帧范围、取单帧 Hierarchy、启动 Agent 会话，全是类型安全的跨语言调用。反向的数据推送走事件机制：采集循环产出的帧经服务层按 250ms 节流后，以事件广播给前端；前端再按 500ms 节流刷新视图。两层节流之间是帧数据的环形缓冲，UI 任何时候要历史数据都是现查现取，不依赖事件流重放。
这套"拉取为主、推送为辅"的分工是刻意为之：推送只负责告诉前端"有新数据了"，真正的数据永远通过查询接口拿。这样即使前端卡顿丢了几个事件，视图状态也能从后端完整重建——事件是提醒，不是真相。做实时数据类应用，这条原则能避开一大半"界面和实际对不上"的灵异 bug。
## 九、.data 文件：第二条逆向战线
8 月 16 日到 18 日，开辟第二战场：支持导入 Unity Editor Profiler 保存的 `.data` 文件。动机有两个：我以前用 Editor 采的数据不能浪费；更重要的是，离线文件让 AI 分析可以脱离真机环境——把文件发给同事，同事的工具和 Agent 就能复盘。
`.data` 是另一种二进制格式，和 USB 数据流完全不同：28 字节块头（格式版本 + body 大小 + 引擎版本五元组）、帧结束标记 `0xAFAFAFAF`、文件结束标记 `0xDEADFEED`——又一个彩蛋，"dead feed"，文件喂完了，Unity 工程师的冷幽默无处不在。字符串是 NUL 结尾且按 4 字节对齐的；采样是 `diskSample` 定长结构（markerID + 总耗时 float32 + 起始时间戳 + 子节点数 + GC 分配字节），子节点紧跟其后递归排列。解析起来比 USB 流简单——没有多路复用、没有跨块——但边界检查一个不能少：单帧 body 上限 128MB、marker 定义上限 10 万条、每帧线程上限 512、字符串上限 1MB，全是防畸形文件的保险丝。
![Image 10](https://pica.zhimg.com/50/v2-dbabb5d879d8347889a49ceb813bbc4e_720w.jpg?source=2c26e567)
8 月 18 日晚上的 `Add Unity 2022 Profiler data support` 是全项目最大的一次提交：44 个文件，+1676/-835。而它真正的价值在 16 分钟后的下一个提交 `Unify Live and Offline Profile Frames` 里完成——**统一内存帧模型**`profileframe.Frame`：实时采集（PlayerConnection 解码）、存档回放（Replay）、.data 导入，三条数据源全部归一化成同一个内存模型，再进 UI 会话。
这个重构的意义怎么强调都不为过。之前三条链路各搞各的投影，UI 层要处理三种数据形态，每加一个展示字段要改三处；统一之后，UI 只认一种帧，采集、回放、导入只是三个不同的"生产者"。架构上这叫防腐层，工程上这叫"终于不用写三遍相似代码了"。大文件导入还配了字节级进度回调和进度弹窗（`ImportProgressEvent` 事件），几百 MB 的 .data 导入时 UI 不假死，我随时能取消。
## 十、规则诊断：AI 的"前菜"与"锚点"
在把数据交给 LLM 之前，先做一层规则化诊断（`internal/analyzer`）。规则不复杂，但每条阈值都是移动端 Unity 2022 的经验值：
* **帧尖峰**：CPU 耗时超过中位数 2 倍且不低于 33.4ms（约 30fps 一帧），超阈值 2 倍升级为严重，最多报告 20 帧；
* **GC 尖峰**：单帧 GC 分配超 256KB；
* **低帧率**：平均 FPS 低于 30 告警；
* **DrawCall**：500 告警、1000 严重；
* **内存增长**：每分钟涨超 30MB 视为疑似泄漏（少于 30 帧不做趋势分析，避免小样本误报）。
为什么有了 LLM 还要规则分析？更主要的原因是**可定制**：不同项目的性能预算天差地别——休闲游戏 30fps 就及格，竞技游戏 60fps 都嫌少；有的项目单帧 GC 分配 256KB 就要拉警报，有的项目 1MB 才算事。这些标准写在规则里，每个项目可以按自己的预算定制阈值和规则集，诊断口径是确定的、可评审的、可进版本库跟着项目演化的；而丢给大模型自由发挥，同样的数据今天说"偏高"明天说"可接受"，结论没法复现。在此之上还有两个附带好处：一是**便宜**，规则分析零 token，先把明显的问题筛出来，没问题的会话根本不用惊动大模型；二是**锚定**，结构化的规则报告（JSON）通过 MCP 工具提供给 Agent（下一章细说），能显著减少大模型"看图说话"式的臆测——它再天马行空，也得解释为什么规则报告里第 12345 帧有个 4 倍中位数的尖峰。规则报告是 LLM 诊断的前菜，更是它的锚点。
## 十一、系统提示词：给 Agent 立规矩
Agent 不是接上就好用的，系统提示词反复打磨过很多轮，最终版本的核心条款：
> 你是 Unity 移动游戏性能优化专家，目标平台为 Unity 2022。涉及具体性能结论时应先查询数据，不要臆测。这是一个持久会话：后续用户消息可能是对前文的追问，应结合已有上下文，仅查询完成当前请求所需的数据。用户指定帧号时，优先查询该帧及其 CPU Hierarchy；除非用户明确要求总体概览，否则不要重新进行全量性能概览。每次收到实际用户请求后，必须立即调用完成任务所需的 MCP 工具并在同一回合给出结论、数据证据以及按优先级排序的优化建议；不要只回复确认、复述请求或给出执行计划。
每一条都是踩坑踩出来的："不要臆测"是因为 Agent 会对着空气分析内存泄漏，编得有鼻子有眼；"不要重新全量概览"是因为追问时它会傻乎乎地把几万帧再拉一遍，token 原地爆炸；"不要只回复确认"是因为它会礼貌地说"好的，我来帮您分析"，然后就没有然后了。**写提示词和写代码一样，都是把模糊意图变成确定行为**——只不过编译器换成了概率模型，报错方式变成了"它就是不照做"。
## 十二、MCP：给 Agent 装上数据的义肢
8 月 19 日的 `Add MCP performance tools and Agent logging`，是整个项目画龙点睛的一笔：让 Agent **按需查询**数据。通过 ACP 的 `session/new.mcpServers` 机制，创建会话时注入一个内置的 stdio MCP Server，暴露五个工具：
* `performance_session_summary`：连接状态、聚合指标与规则分析，Agent 的"第一眼看全貌"；
* `performance_frames`：范围帧摘要，单次最多 200 帧，防止它一口吃成胖子；
* `performance_frame`：单帧完整计数器；
* `performance_cpu_hierarchy`：单帧 CPU 层级树，定位热点函数靠它；
* `performance_analysis`：重新运行内置规则分析。
架构上有个巧妙之处：MCP Server 进程就是工具自己的 exe（`unityperfagent.exe mcp` 子命令），它只拥有 JSON-RPC stdio 传输这一层皮；真正的数据在桌面主进程的内存里（实时采集会话），所以子进程把 `tools/call` 通过 **loopback HTTP** 转发给主进程处理。桥接只监听 `127.0.0.1`，并用每次运行随机生成的 32 字节令牌做 Bearer 鉴权——本地工具也不能裸奔，谁知道我机器上还跑着什么。链路是：Agent ↔ stdio ↔ MCP 子进程 ↔ 带令牌的 loopback HTTP ↔ 主进程采集会话。每一跳都可观测、可鉴权、可替换。
![Image 11](https://picx.zhimg.com/50/v2-37008a928915dbcb8f7ef2a251c6446e_720w.jpg?source=2c26e567)
同时加了 **Agent Log** 功能：菜单栏一点，打开独立原生窗口，实时显示 Agent 对话和 MCP 请求/响应的完整 payload（上限 1000 条环形存储）。调试 Agent 行为时，这个窗口就是 X 光机——Agent 到底查了哪帧、MCP 到底回了什么、提示词哪条被无视了，一目了然。和 AI 协作开发的经验同样适用于 AI 产品的开发：**可观测性优先，不然你分不清是工具错了、协议错了还是模型错了。**
### 12.1 一次真实的 AI 诊断长什么样
光说架构不过瘾，来看一眼这条链路跑起来之后的实际效果。我连上手机、采了几分钟数据，然后在聊天面板里敲一句："刚才过场动画掉帧严重，帮我看看。"
接下来发生的事情，在 Agent Log 窗口里一览无余：Agent 先调 `performance_session_summary` 拿到全貌——平均 FPS、P95 帧耗时、规则报告里躺着三条"帧耗时尖峰"；它注意到尖峰集中在某个区间，于是调 `performance_frames` 拉了那 200 帧的摘要，锁定最痛的一帧；再调 `performance_cpu_hierarchy` 展开那一帧的采样树，发现 `AssetBundle.Load` 的子树占了主线程 60% 的时间，下面挂着解压和 IO 两个大头。最后它给出结论：过场动画的卡顿是同步加载资源导致的，建议改为异步加载并预加载，附上了每一帧的数据证据。全程三次工具调用，几千 token，结论精确到函数名。
对比一下旧世界：同样的问题，你要截五张图、发两万 token，模型告诉你"加载好像有点慢，建议看看资源管理"。从"看图说话"到"精确制导"，差的不是模型聪明程度，而是数据通道。这就是 MCP 义肢的意义。
![Image 12](https://picx.zhimg.com/50/v2-5f5c36e11d4b2b0d3ea50251eb334683_720w.jpg?source=2c26e567)
## 十三、最后一个提交：换掉 NLUX
8 月 19 日傍晚，收官提交 `Replace NLUX with assistant-ui Agent Chat`，+4056 行，把聊天 UI 从 NLUX 整体换成 assistant-ui，同时把 Codex 后端从简单封装升级为持久的 app-server 模式（一个进程一个线程，Prompt 追加 turn，会话状态由服务端维护）。
为什么要换？NLUX 上手快、demo 漂亮，但定制能力有限——聊天气泡里要渲染工具调用过程、要支持右键上下文菜单复制、要导出对话、要细粒度控制主题，这些真实需求叠上去之后，与其在 NLUX 的 API 缝隙里雕花，不如换到组件化程度更高的 assistant-ui。这个决策本身也是个教训：**UI 库选型时，"demo 好看"和"能承载真实交互复杂度"是两回事**。好在替换发生在项目早期、聊天面板还没长太大的时候，成本可控；再晚一周，这就是一次伤筋动骨的重构了。
至此，12 个提交，一周时间，工具成型：USB 直连真机、逆向协议采集、Unity Profiler 同款 UI、规则诊断、ACP 接入任意 Agent、MCP 按需查数、Agent Log 全程可观测。
## 十四、复盘：和 AI 结对逆向的一手经验
最后聊聊方法论，这才是这篇文章真正想留下的东西。
**1. AI 是逆向工程的超级杠杆，但方向盘必须在你手里。** 抓包解析、假 Player、测试用例、UI 组件，AI 的产出速度是人的十倍以上——first commit 一上午 130 个文件就是证明。但"bit0 到底是什么语义"这种问题，AI 只能给假设，真机实测必须人来设计和裁决。逆向的本质是"提出假设 → 设计实验 → 验证/证伪"的循环，AI 能把每一步的执行成本压低一个数量级，但实验设计的品味无法外包。它最擅长的是把"我怀疑第二个字节是标志位"变成可运行的验证代码，而"为什么怀疑"永远来自人。
**2. 测试闭环是 PUA AI 的基础设施。** 没有假 Player 之前，AI 改协议解析我只能干瞪眼；有了假 Player，每次改动 `go test ./...` 秒级出结果，AI 自己也能跑测试自我修正。和 AI 协作的效率上限，不取决于模型多聪明，取决于你的验证闭环多快。闭环越快，你敢让 AI 动的刀就越大——+1676/-835 的重构敢一把过，靠的就是全绿的安全网。
**3. 防御性限制不是过度设计。** 16MB 报文上限、64 层快照深度、1 GiB 原始流上限、128MB 单帧上限……面对闭源黑盒，你永远不知道下一个字节流里有什么妖魔鬼怪。每一个上限都是给未知买的保险丝，烧断了保险丝，总比烧了整个屋子强。
**4. 错误信息是产品的一部分。**`ErrPlayerSilent` 那句"请确认 Unity Editor 的 Profiler 已断开"，比协议解析本身更救我的命。逆向工具的使用者（首先就是三个月后的我自己）面对的都是未知现场，错误提示里多一句上下文，就少一次怀疑人生。
**5. 几度想放弃的时候，是"已完成的部分"救了项目。** 这个项目中途确实几次想撂挑子——PD3U 流解不出帧的时候、Call Stacks 位语义对不上的时候。但每次回头看看：adb 通道是通的、握手是成功的、测试是绿的，"已经完成的部分"构成了继续下去的惯性。把大目标切成能独立验证的小里程碑，不只是工程实践，也是心理建设。
**6. 给 AI 的需求要像给编译器的代码一样确定。** "帮我分析性能"这种需求丢给 Agent，它会给你一篇正确的废话；"先查 session summary，发现尖峰帧后展开该帧 Hierarchy，结论必须带帧号和数据证据"才能跑出可用的结果。提示词工程的本质不是咒语，是需求工程——你在群里给实习生派活怎么说，给 Agent 就怎么说，只不过 Agent 永远不会不好意思追问，所以你的模糊会被它忠实地放大。
**7. 一周做完 ≠ 一周能做。** 这个项目能一周成型，前提是 Go/React/二进制协议/桌面应用每一块我都有积累，AI 补齐的是速度和体力，不是判断力。如果面对完全陌生的领域，AI 产出的"看似合理"反而会成为最大的风险源——你无法审查你看不懂的东西。所以我的结论是：AI 时代最保值的能力，恰恰是那些能让你"审得动 AI 产出"的老本行。
## 十五、已知边界与未来的坑
诚实是逆向项目的美德，最后把已知的边界交代清楚：
**只支持 Unity 2022。** 这是 AGENTS.md 里写死的第一条规矩，不是技术上限而是精力上限——每多支持一个大版本，数据流格式、消息 ID、能力位都可能变，测试矩阵直接翻倍。握手和数据流头两道关卡都会校验版本，不支持的版本会明确报错而不是静默解出错误数据。
**Deep Profile 仍是未解之谜。** 前面说过，`MsgIDProfilerSetup` 的 32 个位里没有它。它大概率需要 Editor 侧的配合报文，或者干脆是构建期插桩的开关。这个坑留给未来——也许哪天抓一次 Editor 勾选 Deep Profile 时的完整报文序列，就能水落石出。
**GPU 计数器是缺的。** Editor 下发的区域掩码 `0x7FFD` 里 GPU 位是关的——真机上 GPU Profiler 需要额外的驱动层支持，很多 Android 设备上 Editor 自己也拿不到。UI 里 GPU Usage 模块保留了开关，但大多数情况下它是空的，这一点文档里写明了，免得日后的自己以为是 bug。
**AI 分析的质量上限取决于数据粒度。** 目前 MCP 暴露的是帧级计数器和 CPU 采样树，对内存泄漏这类问题只能看趋势、不能看对象引用链——那是 Memory Profiler 的领域，走的是另一套快照协议。要不要逆向它？老实说，先让我歇一个月。
## 结语
回到最初的那个"梦想"：Editor Profiler 是怎么和手机通信的？现在我可以回答了——PlayerConnection 报文、GUID 消息 ID、PD3U 分块流、按线程多路复用、元数据/事件双流，以及藏在二进制里的 `B10C7EAD` 彩蛋。数据又是如何组织的？采样树、计数器、方法符号表、跨帧幽灵采样，一清二楚。
而比答案更重要的是：这些数据现在以结构化的形式流淌在一个开放工具里，AI Agent 可以通过 MCP 随时查询任意一帧的完整现场——哪一帧卡了、卡在哪个函数、那帧分配了多少 GC、DrawCall 是多少，全是精确的数字，不是从截图里猜的。截图分析性能的时代，在我这里翻篇了。
这件事本来做也可，不做也可。所幸做了。