架构

mare_mark 把实验的含义、它的副作用以及它的呈现彼此分开。这种分离使报告可以从其记录重新生成，失败可以从其产物重放，决策可以从原始观测重新计算。

层次

层	包	职责
词汇	`model`	版本、协议、环境、结果、事件、决策
输入	`generator`, `fixture`	种子、指纹、输入生命周期与准备计时
正确性	`experiment`	判定器、缩减、交叉点分析
测量	`runner`	唯一执行负载并读取时钟的循环
记录	`event`, `ir_sink`	接收器与只追加的 JSONL 记录
分析	`stats`, `tune`, `tune_gemm`	摘要、比较、调优策略、GEMM 领域
呈现	`ir_model`, `report`	Plot IR 及其 JSON、SVG 和 HTML 渲染
适配器	`cli`	文件、标准流、进程执行、退出码

导入图（省略仅用于测试的导入）是无环的：

包	导入
`model`	无
`generator`, `fixture`, `experiment`, `event`, `ir_model`, `stats`, `tune_gemm`	`model`（`generator` 还导入 `moonbitlang/x/crypto`）
`ir_sink`	`event`
`runner`	`model`, `fixture`, `event`, `experiment`, `moonbitlang/async`
`report`	`model`, `ir_model`
`tune`	`runner`
`cli`	`model`, `ir_model`, `report`, `moonbitlang/x`, `moonbitlang/async`

没有包导入 cli。stats 和 report 不依赖 runner，因此它们可以分析和渲染在别处产生的记录。

数据流

RunProtocol ──validate_protocol──▶ ValidatedProtocol ─┐
BenchSpec ────────compile────────▶ ValidatedBenchPlan ├─▶ runner.run ─▶ ObservationSink
seed, EnvironmentSnapshot, sink ───────────────────────┘        │            │
                                                                 │      JSONL record
   per dataset:  materialize ─▶ fingerprint ─▶ validate ─▶ warmup         │
                 ─▶ calibrate ─▶ exploratory blocks ─▶ confirmatory blocks │
                                                                           ▼
                stats (paired comparisons)      report.document_from_jsonl ─▶ PlotDocument
                tune (scores, selection)                   │
                                                 plot_json · plot_svg · html

run 之前的一切都是描述，在能够运行之前就会被验证。run 之后的一切都消费保存下来的事件。run 是唯一执行负载并读取时钟的地方；cli 是唯一接触文件和进程的地方。

包之间的边界

计时。 计时区域包含负载和输出折叠，仅当夹具的 SetupPolicy 包含准备工作时才包含准备工作。验证、预热、校准、事件发出、接收器的 finish、统计和渲染都在计时区域之外。确切的表格见 runner 设计。

失败。 操作的失败是一个值（ExecutionOutcome），验证的判定结果是一个值（ValidationStatus），失败的验证会发出一个带有最小化输入和重放命令的 ValidationFailure。超时或崩溃是基础设施方面的证据，绝不是一次慢的测量。

统计。 原始观测在记录中从不被过滤或聚合。stats 根据成对数组计算决策；OutlierPolicy 只应用于派生视图。

报告。 report 是一个纯投影。无效观测、被丢弃的批次以及验证失败的实现的系列都会从图表中排除，失败则显示在差分部分。

调优。 tune 和 tune_gemm 保存策略和领域数据。构建、验证和测量候选由应用借助 runner 完成，因此调优测量与其他任何基准测试携带相同的证据。

可复现性

结果由五项记录下来的输入决定：计划（用例 id、实现及其版本、夹具 id 和版本）、经过验证的协议、运行种子、环境快照，以及快照来源信息中的代码修订版本。输入由 generator 从种子派生，实现顺序由种子派生，自助法也带种子，因此除计时本身之外的一切在每个目标上都可逐位复现。当 environment_compatible 成立时，不同运行的计时可以相互比较。

目标

所有包都能在每个目标上构建。runner.run 和 execute_operation 是 async 的，需要 moonbitlang/async 运行时（native、JS、wasm）。子进程工作者、mare-mark replay 以及 stdin/stdout 报告仅限 native；非 native 的 cli 入口点支持文件到文件的报告。native 与 JS 的计时属于不同的总体；只能把它们作为分别标注的运行来比较。