Triagem de Core Web Vitals

As ferramentas de laboratório dão uma pontuação sintética; o sinal de ranking vem dos dados de campo recolhidos de visitantes reais. Esta skill parte dos dados de campo até ao elemento concreto que causa cada falha.

O ficheiro da competência

---
name: core-web-vitals-triage
description: Use quando os dados de campo mostram falhas de LCP, INP ou CLS e precisa de saber que correcção vai mesmo mexer na métrica, em vez de adivinhar a partir de uma pontuação de laboratório.
---

# Triagem de Core Web Vitals

As ferramentas de laboratório dão uma pontuação sintética; o sinal de ranking vem dos dados de campo recolhidos de visitantes reais. Esta skill parte dos dados de campo até ao elemento concreto que causa cada falha.

## O que precisa primeiro

- Relatório CrUX ou de Core Web Vitals da Search Console
- Um trace de laboratório (Lighthouse ou WebPageTest) para um URL representativo por template

## Método

1. Agrupe os URLs com falhas por template, não individualmente - uma correcção de template resolve normalmente milhares de URLs.
2. Para o LCP, identifique o elemento LCP de cada template a partir do trace. É quase sempre uma imagem hero, um título renderizado com webfont, ou um bloco renderizado no cliente.
3. Divida o LCP nas suas quatro partes: time to first byte, atraso de carregamento do recurso, tempo de carregamento do recurso, atraso de renderização. Corrija a maior parte, não a mais fácil.
4. Para o INP, capture as interacções com maior tempo de processamento e procure long tasks na main thread - normalmente scripts de terceiros ou um passo de hidratação pesado.
5. Para o CLS, descubra o que se desloca: imagens sem dimensões, banners injectados, webfonts de carregamento tardio sem um fallback com métricas correspondentes.
6. Verifique nos dados de campo passados 28 dias, já que essa é a janela de recolha - uma melhoria de laboratório que os dados de campo nunca confirmam não é uma correcção.

## O que isto produz

Por template: a métrica em falha, o elemento concreto responsável, a decomposição que o prova e a alteração a fazer.

## Onde isto corre mal

- Optimizar para uma pontuação de laboratório enquanto os dados de campo não mudam
- Corrigir a menor sub-parte do LCP por ser a mais fácil
- Julgar os resultados antes de a janela de campo de 28 dias ter rodado

---

Da biblioteca de competências da QuQi - https://www.quqi.io/pt/skills/core-web-vitals-triage

O que precisa primeiro

• Relatório CrUX ou de Core Web Vitals da Search Console
• Um trace de laboratório (Lighthouse ou WebPageTest) para um URL representativo por template

Método

1. 01 Agrupe os URLs com falhas por template, não individualmente - uma correcção de template resolve normalmente milhares de URLs.
2. 02 Para o LCP, identifique o elemento LCP de cada template a partir do trace. É quase sempre uma imagem hero, um título renderizado com webfont, ou um bloco renderizado no cliente.
3. 03 Divida o LCP nas suas quatro partes: time to first byte, atraso de carregamento do recurso, tempo de carregamento do recurso, atraso de renderização. Corrija a maior parte, não a mais fácil.
4. 04 Para o INP, capture as interacções com maior tempo de processamento e procure long tasks na main thread - normalmente scripts de terceiros ou um passo de hidratação pesado.
5. 05 Para o CLS, descubra o que se desloca: imagens sem dimensões, banners injectados, webfonts de carregamento tardio sem um fallback com métricas correspondentes.
6. 06 Verifique nos dados de campo passados 28 dias, já que essa é a janela de recolha - uma melhoria de laboratório que os dados de campo nunca confirmam não é uma correcção.

O que isto produz

Por template: a métrica em falha, o elemento concreto responsável, a decomposição que o prova e a alteração a fazer.

Onde isto corre mal

• Optimizar para uma pontuação de laboratório enquanto os dados de campo não mudam
• Corrigir a menor sub-parte do LCP por ser a mais fácil
• Julgar os resultados antes de a janela de campo de 28 dias ter rodado

Use esta skill na sua própria IA

O ficheiro é markdown simples, com o nome e o gatilho no frontmatter. Quando um assistente consegue carregar skills sozinho, é esse frontmatter que lê para decidir que esta se aplica.

Mais em SEO técnico