benchmark 是做什麼的？
從實際運行的遊戲中產生測量證據。使用儲存庫中的 tools/benchmark.mjs 和 tools/snap.mjs，保留所選工作目錄及其遊戲內容指紋。實驗版 checkout 位於 /home/jayjay/thrust-zarch-experimental；經典的 main 是另一個遊戲版本。運行前請找到合適的 checkout。閱讀工作流程以了解指令和場景 API。
選擇一個能觸及變更行為的短場景。盡可能重複使用現有場景；對一般擷取使用預設的 coastal-flight/research 場景。一次只運行一個瀏覽器。在無螢幕截圖、錄製、其他測試瀏覽器或 CPU 回歸批次同時運行的情況下進行基準測試。之後再擷取媒體。
對於前後對比的主張，請保留早期程式碼的基線，並重複相同的場景、種子、瀏覽器、渲染器、解析度和取樣策略。該工具會拒絕設定不匹配的比較。對未變更程式碼的重複運行衡量的是可重複性，而非改進。不要偽裝缺少基線或運行失敗。
檢查 PNG 和解碼後的影片連環圖。如果主張涉及動作，請檢查更多幀或播放/搜尋影片；三個縮圖不足以確認每個中間幀。報告渲染證據所支持的內容，以及實際的斷言。僅憑人口數量無法確定可見的魚，非空白幀也無法確定正確的場景。請將視覺觀察與自動化檢查分開。
返回運行目錄、來源身分、相關數字、失敗和限制。SwiftShader 是軟體渲染器；XR 模擬不等於頭戴裝置認證。CPU 階段是平滑後的 CPU 成本；繪製計數來自最後一次渲染通道。影片編碼率絕不等於遊戲 FPS，且編碼時長可能與擷取時間不同。當需要 HTML 開發報告時，將證據交給 $devlog；基準測試仍可獨立使用。