dsh-ablation开源项目

支持通过配置覆盖文件组织实验组和基线组，对工具目录、系统提示词等因素进行拆分测试，并记录无法完全隔离的变量。

提供环境自检和版本检查，校验实验配置能否正确加载；通过比对实际请求中的提示词与工具定义，检查基线是否符合预期，避免仅凭配置名称或工具数量判断。

将任务说明、环境准备脚本和评分脚本分离，支持批量运行及重复实验。评分除输出通过或失败外，还能在特定任务中识别漏报、误报，并标记对应遗漏的规则条件。

从会话日志提取任务结果、模型调用消耗及执行耗时，保留原始数据与汇总报告。支持以预注册文件明确实验指标、检验方法和作废条件，区分探索性观察与确证实验。