用途：对已部署的 NVIDIA RAG Blueprint 服务做一次性性能基准测试，包含服务端剖析（分阶段耗时、引用质量、瓶颈推断）与可选 aiperf 负载测试（TTFT、端到端、token 与请求吞吐、错误率），并生成统一报告。不负责答案质量评分（用 rag-eval）、服务部署配置（用 rag-blueprint）或生产监控告警。
主要能力：CLI 仅支持 -c/--config、--help、--version，行为完全由 YAML 配置驱动；内置 quick_profile.yaml（仅剖析约 30 秒）、single_run.yaml（单并发，剖析加 aiperf 约 2 分钟）、sweep.yaml（多轴笛卡尔扫描，load.concurrency、rag.vdb_top_k、rag.reranker_top_k 可为 int 或 list[int]）。stdout 依次输出启动横幅、摘要、解析后的完整配置、逐点进度与可复制的 aiperf 命令、逐点汇总表及对比表。
使用方式：需 Python 3.11+ 与 uv，在仓库根目录执行 uv sync --project scripts/rag-perf 安装；运行 uv run --project scripts/rag-perf rag-perf -c scripts/rag-perf/configs/single_run.yaml。首次运行前必须把 rag.collection_names 的占位符替换为真实集合。aiperf 阶段需 pip install -e ./scripts/rag-perf 注册 nvidia_rag 端点插件。合成查询需可达的 OpenAI 兼容 chat-completions 端点。
限制：CLI 仅配置驱动，改参数需编辑或复制 YAML；input.file 与 input.synthetic 互斥，文件仅支持 .jsonl/.csv；并发与 top-k 列表值须唯一；warmup_requests 至少为 1；推理模型需 synthetic.disable_thinking: true；aiperf 的请求速率分布、GPU 遥测等需改 runner.py。需从仓库根目录运行，且需网络可达的 RAG 服务（默认 http://localhost:8081）。