# 跑本机已装插件（自动枚举）
node src/index.js

# 跑指定插件（包名或目录路径）
node src/index.js gal-view
node src/index.js "E:/path/to/plugin-dir"

# 指定输出
node src/index.js --out benchmark.json

原理

虚拟环境：每个被测对象一个临时 DSH_HOME（$TMP/dsh-bench-*），用 junction 链接被测插件 + 探针插件，注入 profile patch —— 跑完即焚；
零 token：沙箱是全新 DSH_HOME（无 API key），headless 启动时 LLM 直接 MISSING_CREDENTIAL 跳过；探针在插件加载完成后主动退出进程，先于模型初始化 —— 全程不消耗任何 token；
采集：
- wallMs 进程总耗时（dsh 引导 + 插件加载）
- probeApplyMs 插件全部加载完成时刻（核心加载信号）
- hookCount 加载后注册的 hook 数（近似被测插件贡献）
- clientKb / clientGzipKb client bundle 体积（L0 静态分析）
- 机器指纹（平台/CPU/内存/Node 版本），用于跨机校准

结构

src/
  index.js        CLI 入口
  sandbox.js      虚拟环境工厂（隔离 DSH_HOME + junction + patch）
  runner.js       L1 运行器（spawn headless + 探针结果采集）
  probe/          探针插件（apply 计时 + hook 计数 + 主动退出）
  analyze.js      L0 静态分析（bundle 体积 / 依赖规模）
  report.js       benchmark.json 汇总（含机器指纹）

输出示例（benchmark.json）

{
  "schema": "dsh-bench/benchmark@1",
  "machine": { "platform": "win32", "cpus": 8, "node": "v22.22.2" },
  "entries": [
    { "target": "gal-view", "ok": true, "wallMs": 4379, "probeApplyMs": 3.9, "hookCount": 60,
      "bundle": { "clientKb": 5777, "clientGzipKb": 1043, "deps": 0 } }
  ]
}