用途：这是一套系统化的性能调查工作流，适用于怀疑出现性能回归、优化工作前后验证，以及性能关键功能的发布前门禁。核心原则是：没有数字的性能声明只是观点，必须用可测量的数据说话。
主要能力：工作流分为七步。第一步定义性能目标，如 API 延迟 p95<200ms、首屏 FCP<1.5s、移动端滚动 60fps、构建<3 分钟、峰值堆<512MB、JS 包 gzip<250KB；若无目标，首次审计建立的基线即成为目标。第二步测量基线，记录工具与确切命令、输入规模与条件、原始数字（min、p50、p95、p99、max）及系统状态。第三步剖析真实瓶颈，按技术栈选用工具：Node.js 用 node --prof 与 node --prof-process，Python 用 py-spy record，Go 用 go tool pprof，数据库用 EXPLAIN (ANALYZE, BUFFERS, FORMAT JSON)；前端用 webpack-bundle-analyzer、source-map-explorer、Chrome DevTools Performance、lhci autorun；移动端用 Android Profiler、Xcode Instruments、Flutter DevTools。第四步用证据报告瓶颈位置、根因与影响。第五步只应用一处改动，先记录假设与预期影响。第六步用完全相同的基准复测并对比前后数据。第七步给出结论：IMPROVEMENT CONFIRMED、INCONCLUSIVE、REGRESSION 或 GOAL MET。
使用方式：按步骤顺序执行，先建立基线再优化，每次只改一处并复测。发布前可在 docs/performance-budgets.md 定义性能预算（如 api_latency、bundle_size、mobile_fps），CI 在超出预算时失败。
限制：资料未提供具体安装方式、收费模式、支持平台或与其他工具的集成细节；工作流本身依赖用户自行准备基准测试脚本与剖析工具。