技能介绍

先别把一次跑分当结论

命令行程序的耗时常被拿来比较：重构前后哪个更快，两个工具选哪个，脚本改没改好。但只跑一次很容易被骗——文件系统缓存、JIT 预热、后台进程、CPU 频率抖动都会让结果漂走。这个技能把大模型当成“性能裁判”，目标不是给一个看起来快的答案，而是用可复现、带统计的基准来判断优化是否真的生效。触发词可以很直接：测一下性能、对比耗时、基准测试、哪个更快、benchmark。

它如何把耗时测得可信

核心做法是把性能对比变成一组受控实验：

预热：先跑一遍让文件系统、JIT 或缓存热起来，预热结果不计入最终数据。
多次采样：至少跑 N=10 次以上，报告均值、中位数、最小值、最大值和方差，而不是只给一个数字。
控制环境：关闭无关进程，固定输入规模，避免第一次冷启动污染结果。
同输入：两个命令使用完全相同的输入、参数和工作目录。
看分布：不只看平均值，慢的那一两次可能才是用户真正感受到的体验。

检查时重点看四点：是否多次运行并报告分布；输入规模是否一致；是否排除了冷启动和缓存干扰；结论是否来自统计差异，而不是噪声。

适用边界与注意点

这个技能适合命令行程序的横向对比和重构验证，不适合把单次结果当成普适定论。基准数字高度依赖机器、负载、文件系统状态和命令参数，跨机器结论需要重新测量。常见陷阱包括：只跑一次、一个命令命中缓存另一个没命中、在高负载机器上测、输入规模不一致。AI 输出仍应以官方文档和真实环境数据为准，最终结论要回到可复现的实验里。