实证基准测试与遥测协议
/benchmark 命令强制执行实证验证。代理必须构建可执行的测试工具，无头运行，并测量真实的硬件性能指标，而不是接受理论断言或合成估算。
基准测试指南
-
临时工具合成：
- 在
<appDataDir>/brain/<conversation-id>/scratch/（或指定基准测试目录）中编写测试脚本或微基准测试。 - 在采样前对执行运行时进行预热。
- 运行多次迭代（根据工作负载持续时间，最少 10-50 次迭代），以建立统计上可靠的百分位数（p50、p90、p99）。
- 在
-
硬件遥测测量： 通过
run_command无头执行并捕获：- 延迟： 挂钟执行时间（毫秒/微秒）。
- 吞吐量： 每秒操作数 / 每秒帧数 / 每秒字节数。
- 内存： 峰值常驻集大小（RSS）、分配波动、堆占用。
- 失败率： 压力下的错误计数或超时发生次数。
-
对比矩阵： 始终生成基线 vs. 候选方案的并列实证报告：
指标 基线 候选方案 变化百分比 (%) 置信度 中位数延迟 (p50) .........%p < 0.01尾延迟 (p99) .........%p < 0.01峰值内存 (RSS) .........%已验证 吞吐量 .........%已验证 -
绝对禁止猜测： 未经运行基准测试脚本并报告原始、可复现的控制台输出，绝不得声明某个函数已被“优化”。