fireflies-performance-tuning

Skill do optymalizacji wydajności API Fireflies.ai. Rozwiązuje problem wolnych odpowiedzi poprzez trzy główne strategie: pobieranie tylko potrzebnych pól GraphQL (transkrypty z sentences mogą być bardzo duże), cache'owanie niezmiennych transkryptów oraz grupowanie operacji w ramach limitów taryfowych. Idealny dla integracji Fireflies, gdzie przetwarzasz transkrypty na dużą skalę lub doświadczasz opóźnień w odpowiedziach API.

1. Upewnij się, że masz skonfigurowaną zmienną środowiskową FIREFLIES_API_KEY oraz zrozumienie swojego wzorca dostępu do danych (czy pobierasz listy transkryptów czy szczegóły pojedynczych).

2. Zidentyfikuj, które pola GraphQL rzeczywiście potrzebujesz. Zamiast pobierać wszystkie dane (w tym sentences, summary i analytics), ogranicz zapytanie do minimum — na przykład do id, title, date i duration dla listy transkryptów.

3. Wdrażaj cache'owanie dla transkryptów, ponieważ ich zawartość nigdy się nie zmienia po przetworzeniu. Użyj Redis lub biblioteki LRU cache do przechowywania już pobranych transkryptów i unikaj powtarzających się zapytań do API.

4. Grupuj operacje w ramach limitów taryfowych Fireflies.ai. Zamiast wysyłać pojedyncze zapytania, łącz wiele żądań w jednym batchu, aby zmniejszyć liczbę połączeń i poprawić przepustowość.

5. Wyzwól skill frazami takimi jak "fireflies performance", "optimize fireflies", "fireflies latency", "fireflies caching", "fireflies slow" lub "fireflies batch", aby uzyskać konkretne rekomendacje optymalizacyjne dla Twojego przypadku użycia.

6. Monitoruj czasy odpowiedzi API i stopniowo wdrażaj zmiany — najpierw optymalizuj selekcję pól (największy zysk), następnie dodaj cache'owanie, a na koniec implementuj batching dla operacji masowych.