用途：该技能面向深度学习模型的性能优化，在用户请求改进模型表现时启用，例如提升准确率、缩短训练时间、降低训练资源消耗或优化学习率。
主要能力：技能会先分析模型的架构、训练数据和性能指标，再据此识别有效的优化策略，如调整学习率、应用 L1/L2 等正则化方法或更换优化器。随后生成实现所选策略的优化代码，并评估优化对模型表现的影响，给出准确率、训练时间和资源消耗等指标。
使用方式：以自然语言提出优化目标即可触发，例如要求提升图像分类准确率或减少训练时间。技能会针对具体请求分析模型、定位改进点或训练瓶颈，应用相应技术（如调整批大小、选择优化器）并输出优化代码与评估结果。
适用场景：深度学习模型的准确率提升、训练时间压缩、资源消耗降低、学习率调优等性能改进任务；也可与提供模型构建、数据预处理的插件配合，并结合监控工具跟踪优化后模型的表现。
限制：现有资料未说明具体支持哪些框架、版本、模型类型或数据规模，也未提供性能提升幅度的保证、收费与平台信息，这些内容暂未提供。