python-performance
剖析Python代码性能瓶颈与内存问题
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：python-performance。 它的用途是：剖析Python代码性能瓶颈与内存问题 完整的 Skill 内容见：https://321skill.com/skills/python-performance-x-4/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
'请帮我分析一下项目根目录下 `data_processor.py` 脚本中 `process_large_dataset` 函数的性能瓶颈。'，它会自动运行性能剖析工具，分析该函数的执行时间和内存消耗，并指出最耗时的代码行及可能的原因，例如是否在循环内进行了重复的数据库查询或使用了低效的字符串拼接。
介绍
这个Skill专注于帮助开发者分析和优化Python代码的性能。它能自动剖析代码运行时的CPU使用情况和内存分配，精准定位导致程序变慢或内存泄漏的根源，例如低效的循环、冗余的对象创建或不当的数据结构选择。
使用方式非常直接，你只需将需要分析的Python代码或脚本路径提供给AI助手，它便会调用集成的性能剖析工具（如cProfile、memory_profiler等）对代码进行深入分析，并生成一份易于理解的报告，指出具体的性能热点和内存消耗大户。
它特别适合后端开发、全栈开发和数据分析师等角色，尤其是那些需要处理大量数据、构建高并发服务或优化现有算法效率的Python开发者。无论是为了提升线上服务的响应速度，还是为了确保数据处理脚本能在有限资源下高效运行，这个Skill都能提供关键洞察。
建议在开发周期的早期或性能测试阶段就引入此Skill进行基准测试。需要注意的是，剖析过程本身会引入少量开销，可能略微影响程序运行时间，因此更适合在测试环境而非生产环境中使用。对于已经高度优化或对实时性要求极高的代码，分析结果可能需要结合业务逻辑进行更深入的解读。
核心特点
与通用代码分析工具不同，它专为Python生态深度优化，能无缝集成cProfile、line_profiler和memory_profiler等主流剖析库，提供开箱即用的分析流水线。其核心优势在于能通过AI智能解读原始剖析数据，将复杂的性能指标转化为具体的、可操作的代码优化建议，而不仅仅是输出原始报告。
注意事项
不适合分析非Python代码（如C扩展内部）的性能，且剖析过程可能无法完全模拟生产环境的复杂负载。
常见问题
这个Skill能找出代码中的内存泄漏吗？
可以，它能通过memory_profiler等工具跟踪内存使用趋势，帮助定位可能的内存泄漏点。
使用它会影响我原来代码的运行吗？
会引入少量性能开销，导致分析时的运行时间比正常情况略长，建议在测试环境使用。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/python-performance-x-4/raw/index.md 读取 python-performance 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/python-performance-x-4/raw/index.md（查看排版版本）