用途：Benchmark Runner 用于标准化性能比较方法，覆盖指标选择、测试用例设计、环境记录、结果格式化与权衡分析，产出可复现的基准报告，支持“A 在小输入下更快，而 B 扩展性更好”这类结论，而非简单断言谁更快。
主要能力：提供指标目录（延迟百分位、吞吐量、内存、准确率、成本、启动时间等）与选择标准；测试用例设计（代表性输入、规模变化、边界情况、预热策略）；环境记录（硬件/软件上下文、可复现要求、方差控制）；统计严谨性（样本量、方差测量、显著性检验、异常值处理）。输出包含候选、测试用例、结果表、分析与复现步骤的基准报告。
使用方式：先定义范围（明确候选及版本、待验证声明、决策背景），再选择 2-4 个指标，设计输入矩阵（小/中/大、代表性数据、边界、预热），记录环境（CPU、内存、GPU、OS、运行时、依赖、配置、隔离），最后按模板输出结果与权衡分析。支持 quick、standard、rigorous 三种范围模式。
适用场景：比较算法、模型或实现；验证性能声明；为技术选型提供依据。
限制：不适用于非性能比较、本质不同的工具对比、琐碎操作或已有匹配条件的现成基准。无法本地运行时只能设计规格；结果噪声大需增加迭代或隔离；硬件上下文缺失时结果可能不可复现。