chore: 删除未使用的 agent 配置文件

feat: 添加标准差和吞吐量TPS指标

- 新增标准差指标：总耗时、TTFT、TPOT、Token数、TPS 的标准差
- 新增吞吐量TPS指标：基于输入+输出 tokens 计算的总吞吐量
- 优化显示输出：增加标准差列，区分输出TPS和吞吐TPS
- 更新CSV报告格式：增加标准差和吞吐量相关字段
- 优化时间显示格式：formatDuration 统一处理时间单位
- 更新README文档：补充新增指标说明

feat: 优化 tpg 工具参数配置并新增完整测试套件

- refactor: 简化参数配置，移除 format 参数，只支持 txt 格式
- refactor: 将 dir 参数重命名为 output，提升参数语义化
- feat: 新增全面的单元测试和性能基准测试
- test: 覆盖模板应用、任务ID生成、参数验证等核心功能
- test: 包含多语言句子库验证和文件操作测试

feat: 在显示界面中添加 thinking 模式状态展示

refactor: 统一 thinking 模式命名并优化代码格式

- 将 ReasoningOptions 重命名为 ThinkingOptions，统一命名规范
- 将 ReasoningContent 字段重命名为 ThinkingContent
- 统一 reasoning 参数名为 thinking，保持一致性
- 优化代码格式和缩进，提升可读性
- 添加新的测试用例汇总数据

feat: 重构客户端构造函数并添加 thinking 支持

- 为 Anthropic 客户端添加 thinking 模式支持
- 将多个构造函数合并为统一的基于 types.Input 的 API
  - 合并 NewAnthropicClient, NewAnthropicClientWithTimeout, NewAnthropicClientWithConfig 为单一函数
  - 合并 NewOpenAIClient, NewOpenAIClientWithTimeout, NewOpenAIClientWithConfig 为单一函数
- 更新 client.go 的工厂函数以使用新的统一接口
- 全面更新测试用例以适应新的函数签名
- 在 types.Input 中添加 Thinking 字段
- 在 ait.go 中添加 --thinking 命令行参数支持

Breaking Changes:
- 客户端构造函数 API 已更改，现在接受 types.Input 配置对象而不是单独的参数
- NewClient 和 NewClientWithTimeout 函数已合并为单一的 NewClient 函数

fix: 改进错误处理，确保即使在请求失败时也能收集网络指标

- 修复 Anthropic 客户端在 JSON 解析错误、空响应、响应读取失败时返回 nil metrics 的问题
- 修复 OpenAI 客户端的相同问题，确保错误时也返回包含网络指标的 metrics
- 改进 Runner 错误处理，即使客户端请求失败也保存可用的 metrics 数据
- 优化结果计算逻辑，区分成功结果和所有结果，提高数据利用率
- 简化日志记录器的特殊字符编码处理
- 添加全面的错误处理测试用例，覆盖各种错误场景

fix: 移除对@前缀的支持，明确分离prompt和prompt-file参数

- LoadPrompts函数只处理字符串内容，不支持@前缀
- 文件输入通过--prompt-file参数指定
- 字符串输入显示长度信息，文件输入显示文件个数信息
- 清晰的参数职责分离：--prompt处理字符串，--prompt-file处理文件

feat: 更新 Makefile 和 GitHub Actions 支持多命令构建

- 更新 Makefile 支持一次性构建所有命令 (ait, tpg)
- 修改 GitHub Actions release workflow 构建所有命令的多平台二进制文件
- 简化 Makefile，移除多平台构建支持，只构建当前平台
- 更新 release action 文件收集逻辑，包含所有二进制文件

fix: 修复上传模块: 添加 omitempty 标签并修复单测

- 为ReportUploadItem结构体的ModelKey和ProviderKey字段添加omitempty标签，nil时不输出到JSON
- 修复单测中的Protocol字段含义，从HTTP协议类型改为AI服务提供商类型（openai、anthropic等）
- 修复UploadReport方法的错误处理，HTTP状态码错误时正确返回错误
- 完善单测的指针类型字段比较逻辑
- 修复网络错误测试中的错误消息检查