retort

Retort 是一个用于评估 AI 编程工具链效能的平台演化引擎。它基于统计实验设计（DoE），通过生成分数阶乘实验方案，在隔离环境中自动运行多语言、多模型、多框架组合的代码生成任务，结合测试执行、覆盖率、代码审查发现等 8 类内置评分器进行量化评估，并支持 ANOVA 分析与置信度驱动的栈淘汰/晋升决策。项目聚焦单代理（Claude）场景下的可复现、低成本、端到端实验闭环，适用于 AI 编程工具选型、工程效能基准测试及研发平台演进验证。