用途：RAG-Perf 用于对已部署、网络可达的 NVIDIA RAG Blueprint 服务器做一次性性能基准测试，由单个 YAML 配置完全驱动，命令行仅支持 rag-perf -c <config> 及 --help / --version。它先跑服务端 profiling 逐阶段计时、评估引用质量并推断瓶颈，再可选执行 aiperf 负载测试，统计 TTFT、端到端时延、Token 与请求吞吐以及错误率，最后写出统一报告。
主要能力：提供三个预设配置——quick_profile.yaml（仅 profiling，约 30 秒，跳过负载测试）、single_run.yaml（单一并发级别，profiling 加 aiperf，约 2 分钟）、sweep.yaml（多轴扫描，load.concurrency、rag.vdb_top_k、rag.reranker_top_k 取值可为 int 或 list[int]，列表会形成笛卡尔积扫描轴）。每次运行按序打印启动横幅、单行摘要、完整解析后的配置 YAML、逐网格点进度、每点汇总表与最终对比表。产物写入 output.dir/run_<ts>/，单点多迭代时嵌套在 iter_<i>/<point>/ 下。
使用方式：需先克隆仓库并从仓库根目录执行；需要 Python 3.11+ 和 uv，先运行 uv sync --project scripts/rag-perf 安装到独立虚拟环境，跑单元测试需加 --extra dev。运行前必须把配置中的 rag.collection_names 占位符替换为部署 ingestor 上真实存在的集合。aiperf 阶段需安装随附的 nvidia_rag 端点插件：pip install -e ./scripts/rag-perf。合成查询需要一个 OpenAI 兼容的 chat-completions 端点。典型运行命令：uv run --project scripts/rag-perf rag-perf -c scripts/rag-perf/configs/single_run.yaml。
限制：CLI 只接受配置，参数变化须改 YAML 或复制预设；input.file 与 input.synthetic 互斥；文件输入仅识别 .jsonl 和 .csv 后缀；load.concurrency 等列表值不允许重复；warmup_requests 最小为 1；合成查询遇到首个 LLM 错误会快速失败但保留部分 JSONL；推理模型需保持 synthetic.disable_thinking: true。此外该工具不评估答案准确性（应使用 rag-eval），不负责部署修复与配置（应使用 rag-blueprint），也不做生产监控告警。其余细节暂未提供。