用途：对指定目标进行性能剖析并汇总结果。目标由 $ARGUMENTS 传入，可为 Python 脚本或模块、运行中的进程（PID 或服务名）、特定函数或代码块、整个框架或系统（如 autogen、vllm serving）的端到端执行，也可为 gpu、interconnect、memory 等聚焦维度；若参数为空或不清晰，需向用户询问。
主要能力：先判断剖析目标，再选择外部工具与/或代码插桩。外部工具会先检查可用性，例如 CPU 侧 cProfile、py-spy、line_profiler、perf stat、/usr/bin/time -v；内存侧 tracemalloc、memory_profiler、memray；GPU 侧 nvidia-smi、nvidia-smi dmon、nvitop、torch.profiler、nsys；互连侧 nvidia-smi topo -m、nvidia-smi nvlink、NCCL_DEBUG=INFO；系统侧 strace -c、iostat、vmstat。外部工具不足时编写并插入剖析代码，典型场景包括对代码块计时（墙钟时间与 CPU 时间）、测量 CPU-GPU 或 GPU-GPU 传输大小、频率与带宽、跟踪 CPU 与 GPU 内存分配以发现冗余、包装 NCCL 集合通信测延迟与吞吐、用 CUDA 事件为 kernel 计时。探查维度涵盖 CPU 开销（上下文切换、CPU 时间与墙钟时间之比、函数热点）、内存开销（CPU/GPU 已分配、保留与峰值，冗余复制，多 GPU 分配均衡）、互连与通信（CPU-GPU 传输频率、单次大小、总量与带宽，GPU-GPU P2P 带宽与 NVLink/PCIe 拓扑影响，NCCL 操作类型、消息大小分布与延迟，通信计算比）以及 GPU 计算（SM 利用率、kernel 启动开销、内存带宽利用率）。
使用方式：先读并理解目标代码，优先用包装方式（装饰器、上下文管理器、独立 runner）而非内联修改；必须内联时以 # [PROFILE] 等标记标明；避免插桩紧密内层循环，改用采样以减小观察者效应；结果收集到结构化日志而非分散 print。运行后捕获全部输出，将火焰图、trace、日志等产物保存到 ./profile_output/。最终报告分两部分：A 部分为结构化结果表（CPU 开销、内存开销含冗余列、互连表含传输类型/频率/大小/延迟/带宽）与热点瓶颈识别，并给出按预期影响排序的可执行建议；B 部分为强制性的插桩变更日志，逐条列出为剖析而修改或创建的文件、变更类型、增改内容与行号，便于用户审阅和回滚，并在用户完成后提供清除全部插桩的选项。
限制：可用工具与硬件拓扑需现场检查，缺失时相应维度可能无法测量；插桩由观察到的代码决定而非固定模板；资料未提供具体安装命令、收费方式与平台支持信息。