用途：在受控、可复现条件下比较不同工具或实现，支持决策。核心原则是正确性优先于速度，实测数据必须与估算、设置成本和解读分开记录。
主要能力：定义决策与实验（候选、工作负载、正确性标准、独立判定依据、指标与决策规则）；构建对称测试环境（同一运行器、隔离工作树、固定变量、激活验证）；执行并采集证据（命令、退出状态、计时、资源、日志、输出、差异、测试）；分析有效性与结果（排除规则、逐场景报告、中位数/分位数/置信区间、区分实测与估算）；给出结论并清理（WIN/TIE/INCONCLUSIVE，保留可复现命令与配置，仅清理本次运行产生的资源）。
使用方式：按清单顺序执行，每项内部标记为 PENDING、PROVEN、CLEARED 或 UNPROVEN；返回前解决所有 PENDING，仅统计 PROVEN 与 CLEARED。输出按 Result、Scope、Evidence、Verification、Completion 五字段报告。
适用场景：需要比较工具或实现且要求可复现证据的决策。
限制：不适用于推测性排名；若候选未解决同一任务、正确性无法独立评分、外部影响无法隔离或决策规则在结果后选择，应返回 BLOCKED。资料未提供具体安装命令、价格或平台信息。