用途：面向经济学实证分析，优化 R 代码执行效率与内存占用，覆盖向量化、并行计算、大规模面板数据处理与回归加速，适用于大型调查数据（样本量 > 50,000）、面板固定效应估计、蒙特卡洛/Bootstrap、交错 DID 事件研究与论文初稿快速迭代。
主要能力与用法：
- 诊断慢点：用 profvis 定位瓶颈，常见于行循环、多次 merge、大矩阵求逆与单线程 boot。
- 向量化：用 data.table 的 fread 替代 read.csv，用 shift 等按组分计算替代 for 循环。
- 并行化：用 future + furrr 与 doParallel 并行多因变量回归与 Bootstrap；小样本（n<5000）不建议并行。
- 面板与回归加速：用 fixest 的 feols 做双向固定效应、聚类标准误、多时点 DID，etable 输出回归表；相比 lm 与 felm 更快并支持并行。
- 内存优化：用 setkey 与原地过滤减少拷贝，超大型文件可分块读取。
- 结果一致性：优化前后用 all.equal 验证，并行与单线程结果差异须小于 1e-6。
调用方式：在 Claude Code 对话窗口输入 /R-optimizer。
限制：优化后必须验证结果一致，不应以正确性换取效率；不要过早优化；并行化有开销；资料未提供收费方式、价格与平台支持等具体信息。