前言¶

做過性能調優的人大多遇到過這種情況：跑一次基準測試，輸出 1200ms；換個時間再跑，變成 1900ms。改了一行代碼想驗證有沒有變快，跑一次覺得快了，再跑一次又覺得是錯覺。單次結果帶着環境噪聲，直接拿它下結論不可靠。

DSH 的理念是「一切皆插件」，這類問題也有對應的插件來解。下面介紹 PangYiMing 維護的 dsh-batch-regression：把同一條命令跑 N 輪，取中位數和分佈，用統計而不是單次結果下結論。

這是什麼¶

dsh-batch-regression 是一個 DeepSeek Harness（DSH）插件，定位一句話：對同一命令跑 N 輪，輸出樣本數、中位數及最小/最大值，幫你從抖動的數據裏取出可信的那個數。

它解決三類問題：

• 性能數據抖動，取可信中位數；
• 改前/改後耗時分佈對比；
• 偶現問題看復現率。

許可證爲 MIT。

核心功能¶

插件的能力可以拆成四點：

1、輪數可配置。通過 ROUNDS 指定跑多少輪，輸出樣本數、中位數及最小/最大值。

2、兩種度量方式。METRIC=time 測量耗時，輸出 median/min/max；METRIC=success 統計成功率或復現率，輸出形如 PASS=9/10 的結果。

3、中間失敗不中斷。某一輪 fail 了就記一條 FAIL，繼續跑完剩下的輪次，不會因爲單輪失敗停掉整個流程。

4、結論有紀律。插件作者在 README 裏沉澱了幾條實測方法論：至少 5 輪（少於 5 輪的統計沒意義）、取中位數而不是平均（平均會被極值拉偏）、改前/改後差距超過 20% 才下結論。

安裝與啓用¶

從 GitHub 安裝，執行：

dsh plugin --profile demo add github:PangYiMing/dsh-batch-regression

README 還提供了 npm 安裝方式，但註明是「發佈到 npm 後」可用：

dsh plugin --profile demo add dsh-batch-regression

典型用法¶

先看測耗時的例子。下面這條命令把 node bench.js 跑 5 輪，輸出樣本數、中位數和最小/最大值：

ROUNDS=5 METRIC=time ./scripts/runner.sh "node bench.js"
# samples=5  median=1234ms  (min=1102ms max=1987ms)

再看統計復現率的例子。下面這條命令把 npm run build 跑 10 輪，統計成功次數，適合排查偶現失敗：

ROUNDS=10 METRIC=success ./scripts/runner.sh "npm run build"
# PASS=9/10

執行紀律與已知侷限¶

插件 README 裏寫了幾條實測沉澱的方法論，用之前建議先看一遍：

1、至少 5 輪。少於 5 輪的統計沒意義。

2、取中位數，不是平均。平均會被極值拉偏，中位數更穩。

3、差距 > 20% 結論才穩。改前/改後對比，差距超過 20% 再下結論，否則寧可多跑幾輪。

4、控制變量。同一臺機器、同一時段，關掉瀏覽器/IDE 等大頭進程再跑。

5、承認抖動來源。Apple Silicon 的 P/E 核動態調度會讓單次耗時翻倍，筆記本連續跑十幾分鍾會熱降頻，這些都會影響單次耗時。

其中有一條實測教訓值得單獨說明：作者試過 cpulimit/nice/taskpolicy 這類限制 CPU 的手段來消抖，在 Apple Silicon 上實測全失效。所以這個插件的消抖思路是「多輪取中位數 + 控制變量」，不靠限制 CPU。

適用場景與注意¶

適合用這個插件的三種情況：

• 性能數據抖動，想取一個可信中位數；
• 改前/改後對比耗時分佈；
• 偶現問題看復現率（用 METRIC=success）。

不適合的情況也要說清楚：

• 單次就能判定的事，直接跑一次就行；
• 定位「哪次提交引入退化」是 git bisect 的活，作者另有 dsh-bisect-debug 插件；
• UI 視覺迴歸用 dsh-screenshot-diff。

另外提醒一點：DSH 插件以當前 dsh 進程的權限運行，安裝前建議先檢查插件源碼和許可證。dsh-batch-regression 的源碼在 GitHub 上，許可證爲 MIT，裝之前可以自己過一遍。

結尾¶

性能數據忽高忽低時，與其反覆跑單次然後憑感覺挑一個數，不如讓插件跑夠輪數、取中位數、再看分佈。dsh-batch-regression 把這套做法固化成了兩條命令，配合「至少 5 輪」「差距 > 20% 才下結論」這幾條紀律，結論會穩很多。

• 社區目錄頁：https://www.skillhub.cn/plugins/PangYiMing/dsh-batch-regression
• GitHub 倉庫：https://github.com/PangYiMing/dsh-batch-regression