用途：该技能用于系统化排查和优化 Node.js、Python、Go 应用性能，定位 CPU 瓶颈、内存泄漏、数据库慢查询、打包体积过大及负载能力问题。核心原则是先测量：建立基线、确认瓶颈、修复、复测并验证改进，每次优化都需有基线指标、剖析证据、修复内容、复测指标与变化量。
主要能力：CPU 剖析支持 Clinic.js/V8 火焰图（Node）、py-spy/cProfile/scalene（Python）、pprof（Go）及 Chrome DevTools（浏览器）；内存剖析包含堆快照前后对比、GC 压力分析、泄漏检测和对象保留图；数据库优化包含 EXPLAIN ANALYZE 执行计划解读、N+1 检测与批处理、慢查询日志、缺失索引识别与连接池配置；打包分析覆盖 webpack/Next.js 分析器、tree-shaking、动态导入和重依赖识别；负载测试包含 k6 渐进加压脚本、CI 中的 SLA 阈值校验、P50/P95/P99 延迟跟踪与并发用户模拟。
使用方式：先确认运行时与症状、基线与 SLA 目标、运行环境；若信息不足应先询问，用户要求直接起草时在产物顶部列出假设。内置脚本 benchmark_reporter.py、bottleneck_detector.py、resource_analyzer.py 可接受文件路径或标准输入，并支持 --json。
适用场景：应用变慢但不知瓶颈、发布前 P99 超 SLA、内存持续增长怀疑泄漏、新增依赖后包体变大、流量高峰前压测、查询超过 100ms 或升级依赖后验证无回归。
限制：不覆盖 APM 平台配置、基础设施层调优、安全类性能问题（DDoS、限流）及移动端剖析。资料未提供具体收费、价格与平台支持信息。