用途：当请求涉及 Android 性能剖析、Baseline Profile 或 Macrobenchmark、应用启动问题时使用。主要产出是测量启动、渲染、内存、卡顿、vitals、日志与崩溃信号，并给出可执行的 trace。
主要能力：按症状分类后再选工具，覆盖冷启动、热启动、帧/卡顿、滚动、内存、ANR、崩溃、耗电或线上 vitals 漂移。工具选择上，Macrobenchmark 用于启动与滚动数值，Baseline Profiles 用于提前优化，Perfetto/System Tracing 用于深度 trace，JankStats 或 FrameMetrics 用于帧质量，Play Vitals 用于线上证据。
使用方式：尽量在类发布构建与真机上测量，避免用仅调试 trace 或不利于 profile 的构建下结论。一次只改一处，再对比前后 trace 或基准输出，而不是盲目叠加多项优化。需要测量阶梯时读 references/patterns.md，需要可重复剖析与 trace 入口时读 references/scenarios.md。范围扩大时可交接给 android-compose-performance 或 android-ci-cd-release-playstore。
适用场景：启动与渲染问题定位、内存与可靠性排查、线上 vitals 趋势分析，以及为优化建立可复现的前后对比证据。
限制与护栏：基准、trace 与 vitals 是噪声特征不同的证据源，不可随意混用；优先可复现的发布构建测量而非调试构建直觉；优化需回连到启动时间、帧节奏、ANR 或耗电等用户可感指标；保持剖析环境稳定，使回归可归因于代码变更。避免在未定位问题类型前追求微优化、凭单条噪声 trace 下结论、用调试构建推断生产行为，或在目标路径不稳定时加入 Baseline Profile 与 macrobenchmark。
示例命令：rg -n "baseline|macrobenchmark|profileable|JankStats|Trace|Perfetto" .；cd examples/orbittasks-compose && ./gradlew :app:assembleDebug；python3 scripts/eval_triggers.py --skill android-performance-observability。
官方参考：https://developer.android.com/studio/profile/overview、https://developer.android.com/topic/performance/vitals、https://developer.android.com/topic/performance/benchmarking/macrobenchmark-overview、https://developer.android.com/topic/performance/benchmarking/macrobenchmark-metrics、https://developer.android.com/topic/performance/baselineprofiles/overview、https://developer.android.com/topic/performance/tracing、https://developer.android.com/topic/performance/rendering/jankstats。