用途：该技能用于定位并优化 Python 代码的性能瓶颈，覆盖 CPU 分析、内存优化与实现层面的最佳实践，适合调试运行缓慢的 Python 代码、降低延迟、优化 CPU 密集操作、减少内存占用与泄漏、改善数据库查询与 I/O、加速数据处理管线，以及对生产应用做性能分析。
主要能力：区分 CPU 分析、内存分析、逐行分析与调用图；关注执行时间、内存占用、CPU 利用率与 I/O 等待等指标；优化策略包括算法与数据结构改进、更高效的代码写法、并行化、缓存以及用 C/Rust 编写原生扩展。
使用方式：基础计时可用 time 或 timeit；CPU 分析用 cProfile 与 pstats，命令行可执行 python -m cProfile -o output.prof script.py，再用 python -m pstats output.prof 查看；逐行分析需 pip install line-profiler，配合 @profile 装饰器或 LineProfiler，用 kernprof -l -v script.py 运行；内存分析需 pip install memory-profiler，用 python -m memory_profiler script.py；生产环境分析需 pip install py-spy，可用 py-spy top --pid 12345、py-spy record -o profile.svg --pid 12345 或 py-spy dump --pid 12345。
优化模式示例：列表推导替代循环、生成器表达式降低内存、join 替代字符串拼接、字典查找替代列表搜索、局部变量访问、减少函数调用开销、NumPy 向量化、functools.lru_cache 缓存、slots 节省内存、多进程处理 CPU 密集任务、异步 I/O 处理 I/O 密集任务、数据库批量插入与索引及查询计划优化、用 tracemalloc 与 gc 检测内存泄漏。
适用场景：性能调优、瓶颈排查、内存泄漏定位、数据处理加速、生产环境采样分析。
限制：资料未提供具体版本兼容性、各工具在特定平台的差异、优化收益的保证值，也未提供收费或授权信息；实际效果需结合具体代码与环境自行测量验证。