# 基准测试

这个插件的两条路径在确定性 fixture 上到底省多少，以及这些数字**不**能证明什么。

## 怎么复现

```sh
node scripts/benchmark.mjs          # 输出 Markdown 表格
node scripts/benchmark.mjs --json   # 输出原始数据
```

脚本会建一个临时 fixture 仓库（40 个提交、脏工作区、一次 200 行改动、2 000 行测试日志、5 000 行应用日志、300 个包的 lockfile），每个用例跑两遍——一遍原样、一遍走插件实际使用的那条代码路径——然后打印下表。它不碰你的仓库：fixture 在系统临时目录里，跑完删除。

## 本次运行的环境

| 项 | 值 |
|---|---|
| 系统 | Windows 11 |
| rtk | `1.1.0` |
| 插件 | `1.0.0` |
| Node | 24.22 |
| pipeline | 插件自管（`rtk:posthook`），经 `RTK_CONFIG_DIR` 注入 |

## 结果

| 用例 | 路径 | 之前 | 之后 | 降幅 | 估算 token 之前 → 之后 |
|---|---|---:|---:|---:|---:|
| `git status` | 改写 | 377 B | 47 B | −87.5 % | 95 → 12 |
| `git log -n 20` | 改写 | 3 578 B | 1 699 B | −52.5 % | 895 → 425 |
| `git diff` | 改写 | 20 511 B | 6 945 B | −66.1 % | 5 128 → 1 737 |
| `ls -la` | 改写 | — | — | 跳过 | — |
| `grep -rn TODO src` | 改写 | — | — | 跳过 | — |
| pytest 输出 2 001 行 | 压缩 | 89 505 B | 11 287 B | −87.4 % | 22 377 → 2 822 |
| 应用日志 5 000 行 | 压缩 | 272 640 B | 13 633 B | −95.0 % | 68 160 → 3 409 |
| `package-lock.json`（read 形状） | 压缩 | 76 896 B | 4 654 B | −93.9 % | 19 224 → 1 164 |
| **合计** | | **463 507 B** | **38 265 B** | **−91.7 %** | **115 879 → 9 569** |

两个 `跳过` 行是 Windows 没有的 POSIX 命令：`rtk ls` 会去 spawn `ls`，rtk 报 `program not found`。跳过会显式出现在表里而不是让整次运行失败——偷偷丢用例的基准比明说跳过的基准更糟。

## token 一列的含义

token 由插件自己用的函数估算（`src/tokens.ts`）：ASCII 稠密文本按 4 字符 1 token，汉字与全角形式按每字符 0.6 token，向上取整。

**它不是分词器。** 服务商的计算方式不同，CJK 或代码密集的文本差异最大。`tests/tokens.test.ts` 在构造样本上钉住公式，`tests/benchmark-tokens.test.ts` 保证本脚本里的副本与插件一致；两者都无法离线验证对真实分词器的准确度。

## 这个基准不是什么

- **不是模型请求的计费测量。** 它数的是工具输出的字节与估算 token，不是一次真实请求的账单。系统提示、对话历史、缓存前缀与模型自身输出都不在范围内。
- **不是与其他插件的横评。** `dsh-token-saver` / `billion-context` 的同装组合处在不同层（结果后处理、对话折叠），在这里比较会把两套测量混在一起。
- **不是分布。** 每个用例只有一次确定性运行。真实负载会浮动；这张表应当读作“该机制在这类输出上的上限”，而不是“每次会话的预期收益”。
- **跨平台的跳过行不可复现。** Linux 与 macOS 上那两个改写用例会真的跑；Windows 上按上表标为跳过。

想衡量自己的工作负载，对比运行前后的 `/rtk stats`，或读插件持久化的累计数字：`<DSH_HOME>/rtk-workbench/stats.json`。