Module bench 

评测基准自动层（U10，对齐 RepoDocBench 协议的可落地子集）

code-repo-wiki bench 对目标仓库跑五维自动评测，输出 Markdown/JSON 报告：

1. Coverage 实体提及率：AST 提取实体清单（复用 ingest 解析）， 统计每个实体在 Wiki 产物中的被提及数 → 提及/总数（RepoDoc 定义： 文档覆盖 public API 的比例）。
2. Doc Info 文本统计：页面数 / 词数 / 交叉引用数 / 代码块数 / Mermaid 图数（全部确定性统计，不调用 LLM）。
3. lint 健康：复用 lint 6 类检查（孤儿页/断链/过时/bad-citation/ entity-coverage/bad-mermaid），问题数即质量分。
4. Update Recall 增量召回：git commit 回放（最多 20 个），逐个 checkout 后跑增量更新，统计“有源码变更的 commit 中成功触发 重生成的占比“——增量链路正确性的可复现指标（对齐 RepoDoc 的 Update Recall：正确更新的组件 / 需更新的组件）。
5. Time 耗时：扫描/增量生成各阶段耗时（LLM 侧用 mock provider， 耗时反映流水线确定性开销，与模型无关）。

LLM 裁判层（TQS 打分）在 U11，需真实 API key，独立子命令。

第二档评测（v21 E 组）：bench-manifest 多仓库清单批量跑分见 manifest 子模块（仓库×维度矩阵，mock 可跑）。

Modules

manifest

第二档评测：多仓库清单跑分框架（v21 E 组，t10）

Structs

BenchReport

评测报告（Markdown 与 JSON 的公共数据源，JSON 由 serde 直出）

CompletenessReport

维度 3（v32 6.3 FR-104）：Completeness@K 文档可检索性

CoverageReport

维度 1：实体覆盖率

DocInfoReport

维度 2：文本统计（+ v32 6.2：LLM 信息性判定并存）

LintReport

维度 3：lint 健康

RubricReport

维度 7：Rubric 层级完整性打分（v14 C 组，CodeWikiBench 协议，–judge 启用时）

TimeReport

维度 5：耗时

TqsReport

RepoDocBench 协议：对同一模块的旧文档（导出快照）与当前产物， 裁判按五维 0-10 打分（Clarity/Readability/Conciseness/Richness/ Structure），交换文档顺序两轮取平均消除位置偏差（position bias）。 裁判模型与温度由 config.llm 决定（默认配置 mock/未配置 key 时 本维度被跳过，report.tqs = None）。

UpdateRecallReport

维度 4：增量召回

Functions

render_markdown

渲染 Markdown 报告（人类可读，CI/人工复跑对比用）

render_repodoc

v32（6.4 FR-101）：RepoDocBench 对齐五维聚合摘要。

run_bench

运行自动层评测，返回报告

run_rubrics_only

运行纯裁判层评测（–rubrics-only）：只执行快维度（Coverage/Doc Info/lint） 与 LLM 裁判维度（TQS/Rubric），跳过 Update Recall 的 git commit 回放。