用途：对 Python 代码进行性能剖析，定位瓶颈与内存问题，并在发布前做优化验证。
主要能力：分为多个模块按需加载。profiling-tools 提供 cProfile 的 CPU 剖析、行级剖析、内存剖析，以及用 py-spy 做生产环境剖析；optimization-patterns 汇总十一种优化模式，涵盖列表推导、生成器、缓存、字符串拼接、数据结构、NumPy、多进程、数据库操作与循环改写；memory-management 涉及用 tracemalloc 追踪泄漏、用弱引用做缓存，依赖 profiling-tools；benchmarking-tools 提供自定义装饰器与 pytest-benchmark 来验证改进；best-practices 汇总常见陷阱与退出标准。
使用方式：资料给出基础计时示例，使用 timeit.timeit("sum(range(1000000))", number=100) 并打印平均值；并建议用 --help 标志运行命令以确认可用性。
适用场景：识别性能瓶颈、降低应用延迟、优化 CPU 密集型操作、减少内存占用、剖析生产应用、改善数据库查询性能。
限制：不适用于异步并发（应改用 python-async），也不适用于 CPU/GPU 系统监控（应改用 conservation:cpu-gpu-performance）。退出标准包括已剖析定位瓶颈、应用合适优化模式、用基准测试验证改进、内存占用可接受且无性能回退。具体安装命令与更多用法资料暂未提供。