> For the complete documentation index, see [llms.txt](https://zhouhao4221.gitbook.io/haiqing-docs/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://zhouhao4221.gitbook.io/haiqing-docs/08-metrics.md).

# 08 · 指标

衡量 AI 驱动工程的效果。被测量的东西才能被改善。

***

## 目的

没有指标，就无法知道 AI 是真正在加速团队，还是只是在增加复杂性。本章节定义测量什么以及如何测量。

***

## 核心指标

### 开发速度

* 周期时间：从需求到交付
* 各工作流阶段花费的时间
* 返工率（AI 输出需要大幅修改的频率）

### AI 贡献比率

* AI 生成代码行数与人工编写代码行数的比例
* 包含 AI 生成初稿的 PR 占比
* 提示复用率（使用已有提示与新建提示的比率）

### 代码质量

* AI 生成代码与人工编写代码的 bug 率对比
* AI 生成成果的审查拒绝率
* AI 生成代码的测试覆盖率

### 交付效率

* 部署频率
* 变更失败率
* 平均恢复时间

***

## 指标收集方法

| 指标      | 收集方式                             |
| ------- | -------------------------------- |
| 周期时间    | PR 创建到合并的时间戳（Git/GitHub 自动）      |
| 返工率     | PR 中标注"重大修改"的比例（人工标记）            |
| AI 贡献比率 | PR 描述中的 AI 解释字段（人工填写）            |
| 审查拒绝率   | PR 被 request changes 的比例（Git 自动） |
| 部署频率    | CI/CD 部署日志（自动）                   |

从手动收集开始，逐步自动化高频指标。

***

## 审查节奏

* **每周**：返工率、审查拒绝率 — 快速信号，问题在这一周内可以干预
* **每月**：周期时间、AI 贡献比率 — 趋势信号，反映流程变化的效果
* **每季度**：全指标回顾 — 判断当前阶段（参照 09-vision 演进阶段）

***

## 基线建立

引入 AI 工具前，记录：

* 平均 PR 周期时间
* 每周部署次数
* bug 修复与功能开发的时间分配比

没有基线，就无法判断 AI 是否真的在帮助团队。

***

## 计算方法

### 周期时间

```
周期时间 = PR 合并时间戳 − 第一次提交时间戳

月均周期时间 = 当月所有 PR 周期时间之和 ÷ PR 数量
```

数据来源：GitHub/GitLab API 自动获取，无需人工记录。

### 返工率

```
返工率 = 被标注"重大修改"的 PR 数量 ÷ 当期总 PR 数量 × 100%

"重大修改"定义：AI 生成初稿后，人工实质性修改超过 30% 的代码行
```

数据来源：PR 描述的 AI 解释字段（人工填写）。

### AI 贡献比率

```
AI 贡献比率 = 包含 AI 生成初稿的 PR 数量 ÷ 当期总 PR 数量 × 100%
```

注意：这是中性指标，不是越高越好。结合返工率一起看：AI 贡献高 + 返工率低 = 正向信号。

### 审查拒绝率

```
审查拒绝率 = 被 Request Changes 的 PR 数量 ÷ 提交审查的 PR 总数 × 100%
```

***

## 健康指标参考范围

以下为参考起点，各团队应根据基线调整：

| 指标          | 早期目标   | 成熟期目标   |
| ----------- | ------ | ------- |
| 周期时间（功能 PR） | ≤ 3 天  | ≤ 1.5 天 |
| 返工率         | ≤ 30%  | ≤ 15%   |
| AI 贡献比率     | —      | 不作优化目标  |
| 审查拒绝率       | ≤ 25%  | ≤ 15%   |
| 部署频率        | ≥ 1次/周 | ≥ 1次/天  |

***

## 月度指标报告模板

```markdown
## [年-月] 指标报告

### 数据
- PR 数量：
- 平均周期时间：
- 返工率：（/次标注"重大修改"的 PR）
- AI 贡献比率：
- 审查拒绝率：
- 部署次数：

### 与上月对比
- 改善项：
- 下降项：

### 原因分析
[简述改善或下降的原因，结合当月实际情况]

### 下月关注点
[基于本月数据，下月重点改善哪一项]
```

***

## 延伸阅读

* [人效评估：角色、能力与效率的推导框架](/haiqing-docs/08-metrics/role-capability-efficiency.md) — 如何根据角色和能力推导合理的效率目标，以及 AI 对能力定义的影响

***

## 反指标：不应优化的指标

* **AI 使用次数** — 频繁使用 AI 不等于质量更好，可能反而增加返工
* **AI 生成代码行数** — 代码行数不是生产力指标
* **提示数量** — 提示多不如提示好；无效提示越多，维护成本越高


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://zhouhao4221.gitbook.io/haiqing-docs/08-metrics.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.