你给 AI 审查算 KPI 之前,先看清这个比例的分母

简介: GitHub于2026年11月17日上线「Repository insights」,新增四项Copilot审查指标及透明的addressed rate(含分子、分母与排除项)。本文剖析其三大口径陷阱:“已处理”含延期修复、统计按PR合并日而非审查日、仅计“可评估”意见。强调不可合成总分,慎用于考核,宜作趋势分析与门禁依据。

摘要

GitHub 在 2026 年 11 月 17 日给每个仓库的 Insights 页加了「Repository insights」,第一个模块就是 Copilot 代码审查的产出:已处理意见数、高危已处理数、审查后没有后续人工改动的 PR 数、以及未经 Copilot 审查就合并的 PR 数。同一天还给了一个比例指标——addressed rate,即"已处理的可评估意见 ÷ 可评估意见",并附带分子、分母、无法评估的排除项。这个设计比一个单一的处理率诚实得多,但也把三个容易被忽略的口径问题摆到了台面上。这篇讲清楚:当"已处理"包含"延到下一个 PR 再改"时,它到底在奖惩什么。

image.png

新页面上第一屏摆的是四个数,先把它们认全。

Repository insights 放在每个仓库 Insights 标签页的第一项,给四个汇总信号:

已处理的审查意见:被处理过的 Copilot 审查评论。

已处理的高危意见:被抓到、并且被处理的高危 Copilot 审查评论。

审查后没有后续人工改动的 PR:经过 Copilot 审查、但之后没有收到人类审查者改动要求的 PR。

未经 Copilot 审查就合并的 PR:合并了,但 Copilot 审查没审过的 PR。

除了这四个数,还能看"处理率"(addressed rate):已处理的可评估意见占可评估意见的比例,连同分子、分母、无法评估的排除项、时间趋势和可用的细分维度。评论类别也能看。同样的指标也在企业级和组织级的 repository 1-day 报表(repos-1-day)里,可以通过 Copilot usage metrics API 拿到。

四个数不能合成一个分

第一个容易犯的错,是把这四个数揉成一个"审查质量分"。

它们量的不是同一件事:第一个和第二个量的是审查被采纳的程度,第三个量的是审查有没有拦住后续改动,第四个量的是审查覆盖率。三者之间不是加权关系,是并列关系。

尤其第三个和第四个。一个团队的"处理率"很高,同时"未经审查就合并的 PR"也很多——这不矛盾:前者只统计被审过的那些 PR 里的意见处理情况,后者统计的是根本没进统计范围的那部分。只看看处理率,会得出一个和事实相反的结论。

image.png

"已处理"这个词,被定义得很宽

现在来看最值得琢磨的一处设计。

按 GitHub 的说法,"已处理"指审查意见被处理过。而"处理"包括:应用建议、让 Copilot 去修、手动改代码,以及把修复推迟到后续的 PR。

四种做法都算"已处理",它们的分母是同一个。

这条规定在工程上很好理解——审查意见不一定要当场改完,尤其是和历史遗留相关的问题。但它也让这个指标的性质发生了变化:它度量的是"这条意见有没有被接收并被安排",而不是"这个风险有没有被消除"。

对一个测试团队来说,这个区别很实际。你可以用它回答"团队有没有在看这些意见",不能用它回答"这些意见指出的问题有没有被修掉"。

时间口径:两条不相交的账

第二处设计,藏在一句更靠后的话里。

旧版本的仓库 1-day 报表里,这个比例是拿"已处理意见总数 ÷ 已评估意见总数"算出来的。而按照第三方对 GitHub 计量口径的整理(非官方文档),这里有两个时间点需要注意:意见是在它所在的 PR 合并那天被计入的,不是 Copilot 发布它的那天;而 AI 额度是在审查运行的那一刻计费的。

这两件事放在一个月的窗口里,就会错开。

image.png

月末最后一周开的 PR,审查在当月发生、计费在当月,但意见要到次月合并时才计入统计。于是当月看到的"处理率",分母里少了一批最新的意见;次月的处理率里,又多了一批上个月的工作。

这个错位不是 bug,是"按合并计"这个口径的必然结果。但它会让两个动作失效:用单月处理率做团队考核,以及把处理率和当月额度账单对照看成本收益。对前者,至少要用季度窗口;对后者,要先明确自己问的是"每块钱买到多少条被采纳的意见"还是"每块钱买到多少次审查"。

我要标明一下来源:这段关于计费与计入时间点的说法,出自对 GitHub 2026 年 11 月额度报表变更的第三方分析,不是 GitHub Changelog 里的原话。用到团队汇报里之前,建议先去 repos-1-day 的实际字段和文档确认一遍。

还有一类意见,被明确排除在外

第三个口径问题在"可评估"这三个字上。

addressed rate 的分母不是"全部意见",是"可评估的意见"。GitHub 把"无法评估"的排除项单独列出来展示,但在这篇 Changelog 里没有展开判定标准。

这个设计是对的——有些意见确实无法判断有没有被处理(比如 PR 被关掉了、评论被删了、上下文变了)。但它意味着一个团队在处理率上看到的数字,取决于排除规则的具体边界。排除得越宽,比例看起来越好看。

所以要看的不是"处理率是多少",而是"排除项占比多少"。一个 85% 的处理率,配上 40% 的排除项,和 70% 的处理率配上 5% 的排除项,是两个完全不同的事实。

怎么拿它做门禁

这套指标的价值不在看板,在能不能变成门禁。我按可操作性排了三层。

第一层,只做暴露,不做阻断。 先把"未经 Copilot 审查就合并的 PR"列出来,按仓库排序。这个数不涉及任何口径争议,就是覆盖率。找出覆盖率低的那几个仓库,问一个很具体的问题:是没开审查,还是开了但被绕过(比如由 bot 提的 PR 没进评估)。

第二层,用比例做趋势,不用比例做考核。 处理率适合看方向(连续三个月在降),不适合做绝对目标。原因就是上面三处口径问题叠加之后,单月数值的可比性不够。

第三层,补一个 GitHub 没给的指标。 "已处理"里包含"推迟到后续 PR",那就要自己统计"被推迟的意见最终有没有真的被修掉"。做法很朴素:对每条被推迟的意见打一个标记,在后续 PR 里追踪它关联的问题单或行号。这个数不好看,但它和"风险有没有被消除"是同一件事。

一段必须说的边界

四个指标里,有一个是"审查后没有后续人工改动要求"。这个数看起来最像质量证明,但它和"审查做得好"之间不是充分关系。

一个 PR 没有收到后续的人工改动要求,可能是因为 Copilot 审得很到位,也可能是因为人工审查者本来就没时间细看、或者这个改动本来就不需要人工再提意见。这个指标需要和"这个仓库人工审查的强度"一起看才有意义。

第二,这些指标都建立在"Copilot 审查被使用了"的前提上。没被使用的部分不会进入统计,也不会拉低任何比例。

我的判断是:这套指标最该被表扬的地方,是它把分子、分母、排除项都摊开了——这比只给一个处理率诚实太多。一个测试团队做质量看板,最该学的也是这一点:任何一个比例,都要能同时回答"分子是什么""分母是什么""哪些被排除了"。答不上来的比例,早晚会在某次汇报里被人问住,而那一刻它就从资产变成了负债。

本文部分内容参考了霍格沃兹测试开发学社整理的相关技术资料,主要涉及软件测试、自动化测试、测试开发及 AI 测试等内容,侧重测试实践、工具应用与工程经验整理。

相关文章
|
4天前
|
Linux Go 开发工具
手机上跑 DeepSeek 智能体:开源安卓客户端 DSH Go 安装与使用指南
DSH Go 是一款开源安卓客户端,将 DeepSeek Harness 智能体引擎装进手机:免 Root、免 Termux,一键安装即用;支持本机运行(内置 Ubuntu+Node.js)或远程接管电脑会话;具备插话打断、过程折叠、屏幕操控、端到端加密分享等特色功能,真正实现智能体“口袋化”。
4443 4
|
4天前
|
弹性计算 人工智能 API
Codex超详细入门指南(下载·安装·登录·上手,全版本覆盖,2026最新版)
建议收藏本教程,2026 全年各版本更新随时回来查阅。如果你在搭建过程中遇到任何问题,欢迎结合 阿里云工单系统 提交技术支持请求,或在 阿里云开发者社区 搜索 Codex 相关话题交流。 祝你编码愉快,效率翻倍!
1952 5
|
7天前
|
JSON 前端开发 API
阿里云最新Qwen4-Max大模型介绍:模型定位、特征、能力、适用场景解析
2026 年 11 月 11 日,阿里发布第四代旗舰模型Qwen4-Max预览版,首发千问 AI 平台 Token Plan,并同步接入千问办公、Qoder 等入口。该版本聚焦知识理解、世界感知、编程与 Agentic 四项升级,主打复杂编程、专业办公、前端设计与专业软件操作。预览期至 11 月 25 日 24:00,到期后模型标识下线;限时 2 折、新用户再享 5 折,最低 1 折可体验。
|
7天前
|
人工智能 前端开发 API
阿里云Qwen4-Max 大模型详解:定位、特征、能力、适用场景与相对Qwen3-Max差异解析
2026年11月11日,阿里发布第四代旗舰模型Qwen4-Max预览版,首发千问AI平台Token Plan并接入千问办公、Qoder等入口。该版本聚焦知识理解、世界感知、编程与Agentic四项升级,主打复杂编程、专业办公、前端设计与专业软件操作等真实任务。预览期为11月11日10:00至11月25日24:00,仅支持Token Plan调用,到期后模型标识下线;限时2折、新用户再享5折,最低1折可体验。
|
19天前
|
Linux 开发工具 iOS开发
Codex保姆级教程(下载+安装+登录+使用,含所有版本,2026最新)
Codex是OpenAI推出的开源AI编程智能体,本地运行,可理解整个代码库,支持自然语言指令改代码、执行命令、跑测试、修Bug,兼容Win/macOS/Linux。(239字)
9366 58
|
2天前
|
传感器 安全 区块链
Windows 电脑运行安卓应用教程:开源工具 ApkStart 双击 APK 即装、独立窗口运行
ApkStart 是一款开源Windows工具,让安卓APP像原生软件一样运行:双击APK即安装、生成真实图标、独立窗口启动、开始菜单可搜索。无需传统模拟器,内置QEMU运行时,支持数据互通、ARM兼容与命令行操作。(239字)
|
14天前
|
Linux 开发工具 iOS开发
2026最新codex下载安装保姆级使用教程(下载+安装+登录+使用,含所有历史版本)
本文详解OpenAI Codex国内快速上手指南:提供Win/macOS/Linux全平台免安装包、npm/Homebrew等多方式安装、账号/API Key双登录、简体中文切换,覆盖下载、安装、汉化、使用及高频避坑(如微软商店失败、npm超时等),10分钟即可跑通。
3224 9
|
20天前
|
JavaScript API iOS开发
DeepSeek Harness下载、安装、配置一篇搞定(2026整理,送常用插件)
DeepSeek Harness(DSH)是DeepSeek于2026年开源的MIT协议AI Agent框架,支持插件化组装模型、工具、沙箱与UI,兼容主流大模型。本文提供免Node.js的桌面端安装包(Win/macOS),含详细图文教程及热门插件推荐。
5927 69
|
2天前
|
人工智能 弹性计算 开发工具
零成本玩各大模型!DeepSeek Harness dsh-our-free-model 插件,13 个厂商模型直接用
总结一下:装这个插件,你不用注册、不用绑卡、不用填一个 Key,就能在 DeepSeek Harness 里用上 DeepSeek V4.1 Flash、Kimi K3 这一批前沿模型,而且是白嫖的、还不限量。三步搞定:下载插件,复制包含 `package.json` 的插件目录路径,在「添加插件」里粘贴路径安装并重启。无论是在阿里云 ECS 上通过命令行部署的 Web 版,还是本地的 Electron 桌面端,都能顺利跑通,快速搭建一套零成本的免费模型使用环境。
873 0