貼上多組實現的原始耗時資料，一鍵得到均值、中位數、標準差、最小值、最大值和相對倍數的對比表，並可匯出 Markdown 表格。
把一堆耗時資料變成一張對比表。 每行一組：名稱、冒號、原始測量值。工具會算出常用統計量，以最快的一組為基準排出相對倍數，並生成可直接貼進 PR 的 Markdown 表格。
每行寫成「名稱: 數值, 數值, 數值」。逗號、分號、空格都可以作為分隔符。
| 分組 | 次數 | 均值 | 中位數 | 標準差 | 最小 | 最大 | 相對倍數 |
|---|
至少輸入一行「名稱: 1, 2, 3」格式的資料才能生成對比表。
表格同時給出兩者，兩者之間的差距是最值得先看的東西。如果均值明顯高於中位數，說明少數幾次慢速執行把平均值拉高了——可能是一次 GC 停頓、一陣快取失效風暴，或者作業系統臨時把別的任務排程到了你的核心上。中位數會忽略這些，均值不會。
哪個才「對」並沒有定論。如果你要按穩態吞吐量來規劃伺服器容量，均值才是重點，因為那些慢速執行確實消耗了真即時間。如果你在比較兩種實現、判斷哪個演算法更好，中位數通常更公平，因為離群值衡量的是你的機器而不是你的程式碼。你在推理哪個就引用哪個，並且明確說明用的是哪個。
均值的差異只有在相對於離散程度足夠大時才有意義。兩組分別是 12.0 和 12.4 毫秒、標準差 0.05，那是真實的差異。同樣兩個均值、標準差是 3.0，那就是同一個數字換了頂帽子，從中得出的任何結論都只是噪音。
本工具使用樣本標準差，除以 n-1 而不是 n。這裡這樣做是正確的：你的這些執行是從「所有可能執行」這個總體中抽出的樣本，而不是總體本身，除以 n 會系統性地低估離散度。只有一次執行時不存在離散度，該列顯示 0——這也提醒你：一次測量不叫基準測試。
最後一列把每組表示為最快那組的倍數，因為結果通常就是以這種形式被複述的。「新解析器快 2.4 倍」能傳播開；「新解析器平均 8.2 毫秒」傳不開，除非聽的人已經知道基準值。
兩點提醒。第一，這個比值繼承了背後兩個均值的全部不確定性，所以在資料噪聲大的情況下 1.05 倍的差距根本不算差距。第二，「均值之比」和「比值之均值」不是一回事，如果各次執行的規模差異很大，兩者甚至可能指向相反的方向。數字接近時，請把離散度和倍數一起報出來，讓讀者自己判斷。