返回 AI 工具目录
scalene
开发框架人工精选最近核验 2026年7月23日
Scalene 是一个面向 Python 的高性能 CPU、GPU 与内存剖析器,由马萨诸塞大学 Plasma 实验室的 Emery Berger 等人开发。它在行级和函数级定位性能瓶颈,能把 Python 代码与底层原生(C/C++)代码的耗时分开统计,支持内存泄漏检测、异步并发指标、拼接的 Python 与 native 调用栈及火焰图,并可调用大模型给出优化建议。提供命令行与网页 GUI,兼有 VS Code 扩展,运行开销通常在一到两成左右,采用 Apache-2.0 许可。
定价开源部署本地运行国内可达国内可达许可Apache-2.0
解决什么问题
- 在行级、函数级定位 CPU、内存、GPU 瓶颈
- 把 Python 与原生 C/C++ 耗时分开统计
- 检测内存泄漏与内存增长热点
- 剖析 async/await 并发行为
- 可选调用大模型给出优化建议
适合
- 需要给 Python 程序做深度性能优化
- 怀疑瓶颈在原生扩展或内存分配
- 训练、推理脚本要压缩耗时与内存
- 习惯命令行或想要网页火焰图的开发者
不适合
- 非 Python 语言不适用
- AI 优化建议需自备外部大模型密钥
- 剖析本身会带来一定运行开销
- 生产环境常驻监控非其定位
如何接入
- pip 或 conda 安装,scalene 命令直接运行脚本
- 输出网页 GUI 或命令行报告
- 提供 VS Code 扩展
- AI 建议需配置对应大模型服务
已知限制
- 仅针对 Python 及其原生扩展
- AI 优化建议依赖外部大模型,国内需自备可达服务
- 剖析会带来约一到两成的运行开销
- 面向开发调优,非线上持续观测方案
接入与使用事实
- 部署方式
- 本地运行
- 实现语言
- Python
- 中文界面
- 待确认
- 中文文档
- 待确认
- 定价方式
- 开源
- 许可证
- Apache-2.0
- 国内可达性
- 国内可达
- 可达性观察
- 待补充
权限、依赖与维护信号
这些字段记录公开可见信号，不等同于安全审计结论。
权限信号
暂无公开信号。
依赖信号
暂无公开信号。
维护信号
暂无公开信号。
公开来源与证据
暂无可公开的来源链接。