[leafliber]

从 #128 的 94a7778 单独拆出 memory_runner repeat / summarize / compare 和工具测试，使重复评测与按案例配对比较可以独立使用。repeat 每次使用独立数据库与目录；离线汇总保留全部运行，核对输入和材料指纹，输出逐次结果、均值、逐案例分布、覆盖差、违规／禁止合计、调用量与耗时。汇总和比较继续为描述统计，不作门槛通过声明。

删除 --union-nomination，没有新增运行设置覆盖参数；新序列直接使用现有单次运行的默认设置，settings={}。历史 settings 仅作为离线元数据透传，仍可复现 EXP2。产品并集逻辑、设置与相关产品测试未移植，附 EXP2-report.md 历史汇总。产品代码、提示词、评分、计分合并与单次运行器均保持 main 行为；17 个既有非 CLI 函数 AST 完全一致。

验证（基线 93d1be9，全部使用假模型或既有封存材料，本回合没有真实模型调用）：

检查	结果
先红后绿	main 上 16 failed / 2 passed；实现后相关测试 33 passed，其中新增工具测试 18 项
Python 3.13 全量	5,425 passed
Python 3.12 全量（locked / isolated）	5,425 passed
uv build	wheel / sdist 成功
公开学习请求	116 段、272 批，逐字零差异
七份公开召回	228 查询 × 5 模式 = 1,140 份返回零差异；214 次判断请求一致
入口画像请求	v1：6 例 / 37 次；v2：12 例 / 172 次，全部逐字一致
EXP2 离线复算	六次历史运行的 A / B 汇总和配对 JSON 均与原记录完全一致

学习对照使用仓库 compare_learning_requests.py 的外部副本，仅把 v5 加入语料清单以覆盖全部 116 段，其余字节一致。召回只剔除返回中的 recall_id 与计时字段；请求正文不规整。原始材料及验证日志：/Users/cassia/Local/Code/iris-eval-artifacts/EF-29-eval-tooling-20261020。本 worktree 的 .pytest-tmp 已删除。

命令用法（本回合未运行真实 repeat）：

uv run python -m evals.entry_profile_eval.memory_runner repeat --corpus evals/entry_profile_v2.json --runs 3 --out /path/to/series
uv run python -m evals.entry_profile_eval.memory_runner summarize --series /path/to/series --score /path/to/score-1.json --score /path/to/score-2.json --score /path/to/score-3.json --out /path/to/summary.json
uv run python -m evals.entry_profile_eval.memory_runner compare --left /path/to/summary-a.json --right /path/to/summary-b.json --out /path/to/paired.json

每次评分继续使用既有 score 命令；summarize 不允许省略无效或缺失运行，compare 要求两组语料、源码、评分、模型、重放模式及运行次数一致。