对话线程标题

用服务器的 Codex 标题生成器为真实的对话线程形态生成标题，然后把每个新标题和旧标题放在一起做盲评。

运行

sh

cd evals
pnpm thread-titles --model <codex model> --out runs/titles
pnpm thread-titles --model <codex model> --out runs/titles-new --baseline runs/titles/results.json

它使用你的本地 Codex 登录，和服务器一样。
--initial 只根据第一条消息生成标题，和新对话线程一样。
一次运行会写出 results.json（标题和延迟）、review.json（按随机顺序排列的标题 A 和 B，以及评分标准）和 answer-key.json。打开 answer-key.json 之前先给 review.json 打分。

添加案例

向 cases.ts 添加一条，包含 id、source、对话线程的 messages、previousTitle，以及说明一个好标题应该点出什么的 rubric。