用途：把延迟事故与性能回归转化为可测量、可复现的修复。适用于分析 p50/p95/p99 延迟回归、减少排队与阻塞、优化热路径。
主要能力：先锁定测量上下文（工作负载、并发、负载大小、预热策略、硬件与运行时设置），保持基线与当前运行环境一致；将端到端延迟拆分为入口、排队、计算、存储/网络、出口各段；优先处理尾延迟而非仅看平均值；针对阻塞、争用、无界队列、热路径分配与序列化开销做定向优化，仅在测量证明有效时使用批处理、缓存与异步边界；对比基线与当前百分位（p50、p95、p99，可选 p999），按配置的回归阈值卡发布。
使用方式：运行对比脚本，例如 python3 scripts/compare_latency_runs.py --baseline <baseline.json> --current <current.json> --threshold-pct 5，非零退出视为阻塞性回归。输出契约包含：延迟基线（环境/工作负载假设）、发现（百分位差值与热点类别）、优化计划（具体改动与预期影响）、验证（重跑命令与回归门禁）、残余风险（方差或未解决的尾延迟尖峰）。
参考文件：references/workflow.md（详细低延迟流程）、references/latency-playbook.md（瓶颈到修复映射）、references/signoff-template.md（简洁签核格式）。
限制与规则：评估用户影响时优先尾延迟；比较时保持测量设置稳定；每项声称的改进都需前后证据；阈值突破应升级为阻塞项。具体平台、价格与效果资料暂未提供。