用途：把模糊的“卡顿/很慢”转化为可复现、可量化、可留痕的性能优化流程，覆盖从建基准到验证的完整闭环。
主要能力：分阶段推进——性能证据（建基准与基线）、性能定位（全链路归因）、性能假设、可开关监控、优化、A/B 验证；优化与验证循环迭代，直到达标或性价比耗尽。内置十条证据有效性纪律，覆盖环境节流伪影、监控自污染、框架计数器歧义、设备画像校准、输入事件真实性、埋点开关生命周期、单样本外推禁令、终极对照实验、负结果留痕、对比环境状态有效性。
使用方式：通过触发词进入对应阶段，如「性能分析」「性能证据」「性能定位」「性能假设」「性能监控」「性能优化」「性能验证」「前端性能」「伪影排查」「口径校准」「设备画像」等；也可直接提交性能日志或 profile 进入第 1/2 阶段。依赖 clarifying-question-discipline（每轮一问）与 known-issue-research；缺失时提示执行 npx skills add FuDesign2008/open-skills -g --skill '*' --yes。第 5-6 阶段迭代循环需要环境提供 loop-runner 能力，缺失则优化执行停止。
适用场景：原生 C++ 工具链、大型 Web 富文本编辑器等不同技术栈的性能优化战役；项目级产出为基准日志与 harness，以及两个随战役演进的项目级技能（code-insight 归因、code-optimizer 优化）。
限制：发布/上线决策不属于本工作流；未通过证据闸门的指标只能作为趋势参考，不得驱动优化决策；无复现路径或可分析数据时，首要任务是先建基准而非假设；具体价格、平台支持等信息暂未提供。