用途：在不改变代码行为的前提下提升性能，适用于代码未满足延迟或吞吐量要求时。
主要能力：提供优化工作流与常见优化手段。工作流为：基准测试建立基线、性能剖析定位瓶颈、提出假设、实施改动、测量验证、记录优化与结果。常见优化包括：算法复杂度（用 O(n log n) 或 O(n) 替代 O(n²)，按场景选用 Set 做查找、Map 做键值存储）、缓存（如记忆化，用 Map 缓存昂贵计算结果）、数据库查询（为高频查询列加索引、避免 N+1 查询、大结果集分页）、内存（避免循环中创建不必要对象、大文件用流式处理、及时释放引用）。
使用方式：遵循“先测量”原则，先建立基准再优化，优化后再次测量验证。剖析工具示例：Node.js 用 node --prof app.js 与 node --prof-process isolate-*.log；Python 用 python -m cProfile -s cumtime script.py；Go 用 go test -bench=. -cpuprofile=cpu.prof 与 go tool pprof cpu.prof。
适用场景：代码存在性能瓶颈、需满足延迟或吞吐量指标时。
限制与注意：应避免过早优化（无基准）、微优化（影响可忽略）、优化冷路径、为微小收益牺牲可读性。资料未提供具体收费、平台支持范围与效果数据。