用途：在编写或审查代码时应用系统化的性能优化方法，重点针对真正影响性能的关键部分，优化热点路径、降低延迟、提升吞吐量。
主要能力：提供按优先级排列的优化技巧，包括算法复杂度改进（如 O(N^2) 转 O(N log N)）、减少内存分配、紧凑数据结构、常见情况快速路径、预计算昂贵信息、批量/批处理 API、避免不必要工作、帮助编译器/运行时优化、减少同步。同时给出延迟参考数值（如 L1 缓存 0.5ns、主存 100ns、SSD 随机读 20us、数据中心往返 50us）用于粗略估算。
使用方式：遵循“先测量”原则，用性能分析器（pprof、perf、py-spy）定位热点，先写基准测试，估算改进收益，一次只做一项优化，验证提升并检查回归。当性能分析结果平坦时，可累积多个 1-2% 的小改进，或从调用栈更高层寻找重构机会。
适用场景：优化热点路径、降低延迟、提升吞吐量，以及代码审查中识别性能反模式。
限制：资料未提供具体安装命令、平台支持范围、收费方式或效果保证；部分代码示例为示意，实际使用需结合具体语言与运行时。