IPFS 指纹 这是什么
我做了一套可重現的測試框架，專門驗證「省 Token」工具到底有沒有用
大家好，我是 Yu。這個月初我公開了 Tura，也分享過為什麼評估 Agent Harness 不能只看一次短 Demo，而要看更長、更完整的任務。
最近兩週，我看到愈來愈多人開始測試 RTK、Ponytail 這類節省 Token 的工具。這是好事，但每個人使用的任務、日誌和結果格式都不一樣，數字其實很難直接比較。
所以我把自己使用的基準測試框架開源了：
它可以統一安排測試流程，把日誌和產出轉成同一種結果格式。只要把結果資料夾提交到儲存庫，CI 就會自動建立索引，網站端再產生比較圖和每次執行的詳細頁面。
如果你有想測試的工具、Harness 或測試案例，可以直接告訴我。你也可以在本機重跑同一套評估，再透過 Pull Request 提交結果資料夾，後面的索引工作會由 CI 自動完成。
我特別想聽聽大家覺得下一步應該測什麼，以及這套方法本身可能有哪些偏差。
利益揭露：我是 Tura 和這套基準測試框架的維護者。