基准

Uni-CLI 的基准关注智能体真正付出的成本：发现命令要多久、返回内容有多大、失败后能不能定位和修复。

衡量什么

维度	为什么重要
Discovery latency	智能体先要找到正确命令。
Output size	输出越小，后续推理越便宜。
Structured errors	失败后能不能自动决定下一步。
Adapter coverage	能操作多少真实软件。
Repairability	命令坏了以后能不能局部修。

本地基准命令

npm run bench
npm run bench:quick
npm run bench:agent
npm run bench:gate

当前公开指标

这些数字来自仓库生成的 stats.json 和 manifest：

• 235 个站点。
• 1448 条命令。
• 917 个 schema-v2 YAML adapter。
• 59 个 pipeline steps。
• 7396 个测试。

数字随开发更新，以 npm run stats 生成结果为准。

输出大小

同一条命令可以按消费方选择格式：

unicli hackernews top -f md
unicli hackernews top -f json
unicli hackernews top -f compact

人和智能体一起看时用 Markdown；脚本处理用 JSON；只做路由或摘要时用 compact。

失败成本

失败不是只有“报错”。好的失败应该告诉智能体：

• 错误类型是什么。
• 哪个 adapter 文件出问题。
• 哪个 pipeline step 出问题。
• 是否值得重试。
• 有什么替代命令。

这也是 Uni-CLI 把错误包装进 AgentEnvelope 的原因。