用途：把并行性能工作转化为可复现的扩展性决策，覆盖并行模型选择、瓶颈诊断与扩展性验证。
主要能力：定义扩展目标与约束（工作负载形态、数据规模、延迟/吞吐目标、核心数、SMT 策略、NUMA 上下文）；选择任务/数据/流水线并行及分块大小与调度策略；在编码前界定共享状态边界；诊断锁竞争、伪共享、同步频率与内存带宽压力，区分算法上限与运行时/调度开销；按线程数对比基线与当前吞吐，评估并行效率与回退。
使用方式：按工作流执行——定义目标、选择模型与分区、诊断瓶颈、验证扩展行为、交付实现交接。验证命令：
python3 scripts/compare_parallel_scaling.py
--baseline <baseline.json>
--current <current.json>
--regression-threshold-pct 5
--efficiency-drop-threshold-pct 10
非零退出视为阻塞性回退。输出契约包含 Scaling Context、Findings、Optimization Plan、Verification、Residual Risks。
适用场景：需要可测量扩展证据的并行性能优化与评审。
限制：仅可对比同类工作负载与环境；需同时报告加速比与效率，不能只看吞吐；避免只针对单一线程数过拟合，应评估完整扩展曲线。参考资料包括 references/workflow.md、references/scaling-playbook.md、references/signoff-template.md。