用途：把“让它更快”这类模糊需求转化为可测量的预算、探针、瓶颈假设与回归门禁，强调先测量再优化。
主要能力：
- 基线采集：记录被测的用户操作或后台任务、当前 p50/p95/p99 延迟或吞吐、数据量与并发假设、CPU/内存/IO/网络/数据库/队列等资源限制、现有缓存行为与失效规则、成本或配额约束。若无法采集基线，需说明最接近的可测量代理及其局限。
- 预算设计：按层面定义预算，如 UI 的 TTI、交互延迟、包体积、渲染次数；API 的 p95 延迟、错误率、数据库查询数、载荷大小；任务的吞吐、最大滞后、重试成本、幂等性；数据的查询计划、索引覆盖、回填时长；基础设施的 CPU/RSS、并发、自动扩缩、单请求成本。
- 优化规则：只优化已测量的瓶颈，而非最熟悉的代码；优先算法、查询、批处理与缓存正确性修复，再做纯容量扩展；明确缓存失效与陈旧数据容忍度；对高风险路径添加回归测试、基准或仪表盘检查；不得为速度牺牲正确性、授权或租户隔离。
输出结构：operation、baseline、target_budget、bottleneck_hypothesis、measurement_plan、optimization_options、capacity_estimate、regression_gate、verification_commands。
适用场景：性能预算制定、延迟目标设定、负载测试、容量估算、瓶颈分析、缓存策略、查询效率与队列相关优化工作。
限制：资料未提供具体安装命令、平台支持、收费方式或效果数据，暂未提供。