docs: restructure README workflow to price first, then select datasets, then test

bash/case/README_API_TEST.md

@@ -136,28 +136,27 @@ python3 tools/fill_excel_cost.py \
     --model-name GLM-5.2
 ```
 
-## 6. 价格预测与预算内选 dataset
+## 6. 价格预测 → 选 dataset → 跑测试
 
-### 6.1 多模型成本预测
+推荐按下面三步走：先人工算好价格、选定 benchmark，再执行测试。
 
-`tools/predict_costs.py` 根据 `bash/case/model_pricing.yaml` 里的价格，对每个 benchmark 生成所有模型的成本矩阵。
+### 步骤 1：价格预测（人工决策）
+
+`tools/predict_costs.py` 根据 `bash/case/model_pricing.yaml` 里的模型单价和折扣，对每个 benchmark 生成所有模型的成本矩阵。
 
 ```bash
-# 生成 results/P800_benchmark_cost_all_models.csv/.xlsx
+# 生成全部模型 / 全部 benchmark 的成本矩阵
 python3 tools/predict_costs.py
 
-# 指定预算，筛选可测的 benchmark
+# 指定预算上限，输出预算内可测的 benchmark
 python3 tools/predict_costs.py --budget 100
-
-# 换模型价格表或基准 token 统计
-python3 tools/predict_costs.py \
-    --pricing bash/case/model_pricing.yaml \
-    --benchmark "results/P800_benchmark_cost_GLM52.csv" \
-    --budget 500 \
-    --output results/my_cost_matrix
 ```
 
-输出示例：
+输出文件：
+- `results/P800_benchmark_cost_all_models.csv/.xlsx`：完整成本矩阵
+- `results/P800_benchmark_cost_all_models_budget_100.csv/.xlsx`：预算内可测列表
+
+终端会打印各模型跑完全部 benchmark 的总成本，例如：
 
 ```text
 === 各模型总成本（元）===
@@ -171,9 +170,11 @@ python3 tools/predict_costs.py \
   DeepSeek-V4-Flash: 360.03
 ```
 
-### 6.2 按预算选择 datasets
+> 注意：`model_pricing.yaml` 里的价格为公开参考价或占位价，实际测试前请按合同价修改。
 
-假设总预算 100 元，脚本会输出每个模型在预算内可测的 benchmark。例如：
+### 步骤 2：按预算选 datasets（人工决策）
+
+打开生成的预算筛选表，根据总预算和想覆盖的能力维度勾选 benchmark。例如预算 100 元时：
 
 ```text
 预算 100.00 元内可测的 benchmark
@@ -181,17 +182,33 @@ python3 tools/predict_costs.py \
   GLM-5.2: 22 个 -> bigcodebench, humaneval, live_code_bench, aime24, ...
 ```
 
-拿到列表后，直接替换 `EVAL_DATASETS` 即可开跑：
+把选好的 benchmark 列表写到 `EVAL_DATASETS`：
+
+```bash
+export EVAL_DATASETS="gpqa_diamond,winogrande,general_fc"
+```
+
+### 步骤 3：跑测试
+
+设置 API key、模型、输出目录后启动：
 
 ```bash
 export EVAL_API_KEY="sk-xxxx"
-export EVAL_MODEL="DeepSeek/DeepSeek-V4-Flash"
+export EVAL_API_URL="https://api.example.com/v1"
-export EVAL_DATASETS="bigcodebench,humaneval,live_code_bench,aime24,aime25"
+export EVAL_MODEL="glm-5.2"
-export EVAL_FOLDER_NAME="V4-Flash-budget-100"
+export EVAL_DATASETS="gpqa_diamond,winogrande,general_fc"
+export EVAL_FOLDER_NAME="GLM52-budget-100"
+
 bash bash/case/GLM52_API_TEST1.sh
 ```
 
-### 6.3 与历史价格对比
+也可以用内置 mode 快速跑一套：
+
+```bash
+bash bash/case/GLM52_API_TEST1.sh --mode quick
+```
+
+### 6.1 与历史价格对比
 
 飞书 wiki 里的历史价格需要手动导出为 CSV 并放到 `data/historical_prices.csv`，随后可写对比脚本。目前预测表已生成，可直接用于人工对比。