基准测试
从实际运行的游戏中生成可测量的证据。使用仓库中的 tools/benchmark.mjs 和 tools/snap.mjs，并保留所选工作树及其游戏内容的指纹。实验性检出路径为 /home/jayjay/thrust-zarch-experimental；经典的 main 分支是另一个游戏版本。在运行之前，请先找到合适的检出路径。阅读工作流文档了解命令和场景 API。
选择一个能够触及已变更行为的短小 fixture。尽可能复用现有场景；对于一般性捕获，使用默认的 coastal-flight/research fixture。每次只运行一个浏览器。在无截图、无录制、无其他测试浏览器或 CPU 回归批次同时运行的情况下进行基准测试。之后再捕获媒体素材。
对于“前后对比”的断言，必须保留来自更早代码的基线，并重复相同的场景、种子、浏览器、渲染器、分辨率和采样策略。该工具会拒绝设置不匹配的比较。对未变更代码的重复运行衡量的是可重复性，而非改进。不要掩饰缺失的基线或失败的运行。
检查 PNG 和解码后的剪辑接触表。如果断言涉及运动，则需检查更多帧或播放/跳跃剪辑；三个缩略图并不能证明每一个中间帧。报告的内容必须与渲染证据支持的实际断言一致。仅仅人口计数不能证明可见的鱼类，非空白帧也不能证明正确的场景。保持视觉观察与自动检查的区分。
返回运行目录、源代码身份、相关数字、失败和限制。SwiftShader 是软件渲染器；XR 模拟不构成头显认证。CPU 阶段是平滑后的 CPU 成本；绘制计数器来自最后一次渲染通道。视频编码率绝非游戏 FPS，且编码时长可能与捕获时间不同。当请求 HTML 开发报告时，将证据交给 $devlog；基准测试本身仍可独立使用。