用途：本技能面向 Python 性能分析与优化，帮助定位应用中的性能瓶颈、降低延迟与响应时间、优化 CPU 密集型操作、减少内存占用与内存泄漏、改善数据库查询与 I/O 操作，并加速数据处理流水线。
主要能力：涵盖 CPU 分析、内存分析、逐行分析与调用图可视化；关注执行时间、内存用量、CPU 利用率和 I/O 等待等指标；提供算法与数据结构、实现模式、并行化、缓存、原生扩展等优化策略。
使用方式：先用 time 或 timeit 做基础计时，再按需使用 cProfile、内存分析器与 py-spy 等工具分析生产代码；详细模式与示例见 references/details.md。
最佳实践：先测量再优化，聚焦热点路径，选用合适的数据结构，避免过早优化，优先使用内置函数，用 lru_cache 缓存昂贵计算，批量 I/O，大数据集用生成器，数值计算考虑 NumPy，并对生产代码做分析。
常见陷阱：未分析就优化、滥用全局变量、数据结构选择不当、产生不必要的数据副本、数据库缺少连接池、忽视算法复杂度、过度优化罕见路径、忽略内存占用。
限制：需要具体的项目上下文与技术栈信息；仅提供指导性建议，不提供具体代码实现；不涉及非技术领域的业务决策。内容源自 wshobson/agents，遵循 MIT 许可，使用与再分发须保留版权声明。