用途：对指定目标进行性能剖析（profiling），并汇总结果。目标由 $ARGUMENTS 指定，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），也可聚焦 gpu、interconnect、memory。若参数为空或不明确，需向用户询问。
主要能力：先确定剖析目标，再选择外部工具或代码插桩。外部工具示例：CPU 用 cProfile、py-spy、line_profiler、perf stat、/usr/bin/time -v；内存用 tracemalloc、memory_profiler、memray；GPU 用 nvidia-smi、nvidia-smi dmon、nvitop、torch.profiler、nsys；互连用 nvidia-smi topo -m、nvidia-smi nvlink、NCCL_DEBUG=INFO；系统用 strace -c、iostat、vmstat。外部工具不足时可编写插桩代码，如计时代码块、测量 CPU-GPU 或 GPU-GPU 传输、跟踪内存分配、包装 NCCL 集合通信、为 kernel 添加 CUDA 事件计时。
关注维度：CPU 开销（上下文切换、CPU 时间与墙钟时间比、函数热点）、内存开销（CPU/GPU 已分配与峰值、冗余复制、多 GPU 分配均衡）、互连与通信（传输频率、单次大小、总量、带宽、P2P、NVLink 与 PCIe 拓扑、NCCL 集合通信延迟、通信计算比）、GPU 计算（SM 利用率、kernel 启动开销、内存带宽利用率）。
使用方式：先阅读目标代码，优先用装饰器、上下文管理器或独立 runner 包装，必要时内联修改并标注 # [PROFILE]；避免插桩紧密内循环，采用采样；结果写入结构化日志。运行后把火焰图、trace、日志保存到 ./profile_output/。报告分两部分：A 为剖析结果（按维度的结构化表格、热点与瓶颈、按预期影响排序的建议）；B 为插桩变更清单（文件、变更类型、增改内容、行号），便于用户审查与回滚，完成后可提供清理插桩的选项。
限制：资料未提供具体安装命令、收费方式、支持平台及效果保证；实际可用工具取决于环境与硬件拓扑。