用途：在选定的真实代码库上，针对指定 CodeGraph 版本，衡量 CodeGraph 相对普通 grep/read 对智能体的帮助程度，驱动 scripts/agent-eval/ 中的评测框架。
前置条件：tmux 3+、已登录的 claude CLI、node、git（macOS/Linux），需在 codegraph 仓库根目录运行。
工作流程：1) 选择版本（本地开发构建、最新发布版或指定版本号）；2) 读取 .claude/skills/agent-eval/corpus.json 选择语言；3) 从该语言条目中选择仓库（含大小与文件数）；4) 选择 harness：Headless（claude -p 配合 stream-json，2 次运行，快，无 TTY）、Interactive（tmux，驱动真实 Claude TUI，2 次运行，较慢）或 Both（共 4 次运行）；5) 后台运行：scripts/agent-eval/audit.sh <VERSION> <repo-name> <repo-url> "<question>" <MODE>；6) 任务结束后读取日志并按 arm 报告结果。
报告内容：Headless 通过 parse-run.mjs 输出工具调用总数、文件 Read 数、Grep/Bash 数、codegraph-tool 调用数、耗时与总成本；Interactive 通过 parse-session.mjs 输出 VERDICT 与 TOKENS 行。两条路径都会打印三项反馈指标：残余上下文占用、探索充分性、分配效率；Headless A/B 结束时输出并排的 ARM COMPARISON 表。需先检查污染行：CLI 调用返回输出大于 0 表示该 arm 通过 Bash 访问了 codegraph，其数据无效。应以成本与工具/Read 次数为主要可靠信号，原始 token 输入输出会受子智能体委派与提示缓存干扰。
限制与说明：每次运行都会重建索引（audit.sh 会清除 .codegraph），不同版本提取方式不同，索引必须由构建它的同一二进制提供服务；audit.sh 会临时修改全局 codegraph 安装，之后通过 local-install.sh 恢复开发链接；语料库仓库克隆到 /tmp/codegraph-corpus（已存在则复用）；可在 corpus.json 中增改仓库（字段：name、repo、size、files、question）。