LY Corporation 如何利用面向客服人员的 Chrome 开发者工具将人工工作量减少了 98%

Syna Kim

Yuriko Hirota

Masanari Hamada

Shunsuke Uda

Published: April 27, 2026

LY Corporation 是日本最大的互联网服务提供商之一，管理着各种各样的网络平台，包括搜索、新闻和购物。在这些多样化的服务中保持高性能对于用户互动度和业务成功至关重要。不过，该团队在跨多种服务扩缩性能分析方面面临着挑战。

本案例研究探讨了 LY Corporation 如何使用 Chrome DevTools for agents 构建基于 AI 的自动化性能审核系统。通过创建与浏览器的程序化桥梁，他们能够自动收集数据、将效果指标与业务影响联系起来，并让每个开发团队都能有效地优化其服务。

挑战：手动审核的瓶颈

以前，LY Corporation 的性能审核是一项高度手动化的任务，需要专业知识。工程师必须：

1. 手动浏览 CrUX 或 PageSpeed Insights 等多种工具，以收集实地数据。
2. 运行 Lighthouse 跟踪的本地实例，以收集实验室数据。
3. 将效果指标与单独的内部业务信息中心进行交叉对比。
4. 将所有这些分散的数据整合到一份可操作的报告中。

这个过程很慢，并且关键知识集中在一小群专家手中，这限制了效率。这种复杂性使得为公司内的每项服务提供一致的高质量性能审核变得困难，这通常会导致分析洞见延迟和错失优化机会。

解决方案：使用 Chrome 开发者工具捕获客服人员的浏览器性能指标

LY Corporation 构建了一个内部工具，该工具使用 Chrome 开发者工具 for agents 作为桥梁。这让他们的 AI 智能体能够：

• 提取：直接从开发者工具提取实时网络和性能数据，例如 Largest Contentful Paint (LCP)、资产元数据、网络请求日志或传输大小。
• 互动：打开目标服务的网址并执行用户操作，例如点击并将指针悬停在某个元素上，以触发互动指标，例如 Interaction to Next Paint (INP) 或 Cumulative Layout Shift (CLS)。
• 分析：将此运行时数据与历史实地数据 (CrUX) 结合，生成按优先级排序的问题列表。

使用 Chrome 开发者工具 for agents 的 AI 网络性能报告系统的流程，允许智能体收集性能数据、与实时网页互动并分析结果。

借助此内部工具，开发者可以输入 Web 应用网址，以生成网页的完整性能审核，从而将专家知识转化为按需服务。该工具作为模块化、基于场景的分析工具运行。它会生成按优先级排序的改进列表和建议，以指导开发者从何处入手。

生成的 AI 网络性能报告示例，其中包含所有性能审核和相应的结果。

影响：从手动检查到自动修复建议

通过将数据收集和报告格式设置的手动工作交给使用 Chrome 开发者工具 for agents 的 AI 智能体，LY Corporation 取得了显著成效：

• 效率大幅提升： 这一新流程将手动分析减少了 96-98% ，并为中央分析团队每月节省了 8.3 小时 的开发者时间。
• 专业知识普及化： 现在，每个产品团队都可以独立生成高质量的效果报告，确保分析标准的一致性，而这以前只有专家才能提供。
• 可操作的业务洞见： 团队通过将性能数据与业务指标联系起来，确定最具影响力的修复的优先级，从而加快项目审批速度。

未来计划

LY Corporation 将继续增强其 AI 性能工具的功能。该团队正在将性能改进与特定的业务 KPI 相结合，以提供有关用户留存率和收入增长的详细洞见。

总结

虽然 Chrome 开发者工具 for agents 不是一个独立的解决方案，但它为 LY Corporation 构建其专用报告工具提供了必要的技术基础。通过使用 Chrome 开发者工具 for agents，开发者可以摆脱手动浏览器检查，并通过直接从浏览器运行时收集实时数据来构建自己的自定义工具。