哈喽，这个月早些时候，我发布了 Tura ，并写了几篇博客，探讨了长周期基准评估对 Agent 测试框架的重要性。 https://turaai.net/blog#token-saving-plugins-are-mostly-stupid-idea 在过去的两周里，我看到越来越多的科技 KOL 陆续发布了他们对现有 Token 节省插件（比如 RTK 和 Ponytails ）的测试结果： https://blog.jetbrains.com/ai/2026/07/rtk-claude-code-token-savings/ https://github.com/Tura-AI/benchmark/tree/main 这个 tura-benchmark 框架是和 Tura Agent 一起发布的，但我一直没机会好好介绍它的工作原理。实际上，这个框架可以统一调度基准测试的运行流程，并以相同的结果 schema 导出日志和测试产物。之后，tura-benchmark 网站会通过 CI 自动索引 results 文件夹中发布的所有结果，绘制成图表，并将所有数据直观地展示...