比较多个固定 Run

比较模型、提示词或 Agent 版本时，先固定要看的 Run。不要用“最新结果”代替实验边界；新 Run 发布后不应悄悄改变已经开始的比较。

取得每次运行的 Run ID

TTY 完成反馈会显示 Run ID。机器流程从 exp --json 最后一条 receipt 读取 runIds：

pnpm exec niceeval exp baseline --json > baseline.ndjson
pnpm exec niceeval exp candidate --json > candidate.ndjson

保留这两个固定 ID。它们定义比较使用的计划与 expected-slot 分母。

pnpm exec niceeval show --run <baseline-run-id>
pnpm exec niceeval show --run <candidate-run-id>

先看每个 Run 有多少位置是已执行、自动沿用、人工采用、未派发或中断。结果覆盖不足时，不要把缺失位置当成失败、零分或成功。如果一个 Run 因预算、首过即停或部分采用留下 not-dispatched，应先决定补跑、接受不完整分母，还是只比较两边共同且明确的范围。

pnpm exec niceeval show \
  --run <baseline-run-id> \
  --run <candidate-run-id>

浏览器需要完整页面时使用同一组参数：

pnpm exec niceeval view \
  --run <baseline-run-id> \
  --run <candidate-run-id>

通过制评估比较通过率，计分制评估比较 earned score。新的 Experiment 必须同型；读取旧的 mixed Record 时仍分别保留两种主读数，不把它们合成一个百分比。成本和时长只在有完整 Observability 时比较。缺失、部分采集或不支持的数据必须保持可见，不能填成零。

从 Run 页面复制 Attempt locator：

pnpm exec niceeval show @1K1P0VJAPVJ12

详情页用于核对 Assertion、Judge 理由、工具调用、用量、时间和 File Changes。Run 页面解释本次位置为何使用该 Attempt；Attempt 页面解释这次执行实际发生了什么。需要自定义分组、成本 Profile 或专用页面时，继续阅读编写自定义报告。