用途：该技能面向需要测量收益的性能调查或优化任务；普通缺陷修复无需进行性能研究。
主要能力与要求：改动前需定位工作的归属方并说明预期改进。须保留适用的契约，包括确定性结果、精确 token 预算、Unicode 匹配、真实覆盖率、有界工作量、原子生成与快照一致性；若有意变更契约，应将其作为契约变更加以描述和测试。
证据选择：行为回归与差分检查用于确立正确性；候选数量可解释工作量；具有代表性的发布测量用于支撑延迟、CPU、内存或存储方面的结论。不得以更小的本地计时器为由降低证据质量或增加重试，也不得从检索代理数据臆造智能体成功率或提供方成本结果。
优化取舍：优先选择证据支持的最小归属改动；在引入缓存、并发或新抽象之前，先消除重复工作或复用已有的索引原语。若所提优化无实证收益，应保留更简单的设计。
测量参考：仅查阅与本次调查相关的材料，如测量矩阵（搜索、上下文、读取、索引或缓存实验的工作负载与指标选择）、仓库测量工具（现有分析器与检索数据集）、基准命令（冻结对比与可选的成对智能体研究）、开发检查（测试归属与 CI）。
结果报告与限制：报告观察到的结果及其局限，运行与改动相称的检查，并在出现失败、风险或未解决问题时扩大检查范围。缺少可选研究数据会限制性能结论，但不构成放弃完成已验证正确性修复的许可。