dsh-batch-regression

跑同一命令多次，数据忽高忽低，到底信哪个？单次结果下结论太危险——Apple Silicon 的 P/E 核动态调度、笔记本连续跑十几分钟后的热降频，都能让单次耗时悄悄翻倍，而 cpulimit、nice、taskpolicy 在 Apple Silicon 上实测全部失效。dsh-batch-regression 把这件事交给统计：对同一命令自动跑 N 轮（建议至少 5 轮），取中位数而非平均值来消除极值干扰，并输出完整分布，让结论站得住脚。

它不仅给中位数，还内建了执行纪律。改前与改后对比时，只有差距超过 20% 才标注为可信结论，避免把正常抖动误读为性能退化；偶现问题可切换为复现率模式，量化到底多少次里中了多少次。某轮失败不会中断整批任务，记 FAIL 后继续跑完，最终在汇总里一目了然。

适合做性能优化、写 benchmark、排查偶现 bug 的工程师：你只需要描述清楚命令和指标，它负责重复、取中位数、标注置信度。不适合的场景也说得明白——单次就能判定的事直接跑就行；定位哪次提交引入退化请用 git bisect；UI 视觉回归有专门的截图对比工具。各归其位，不越界。