当前位置:首页 > 文章列表 > 科技周边 > 业界新闻 > Copilot 使用指标新增评论采纳信息,addressed rate 应怎样解读

Copilot 使用指标新增评论采纳信息,addressed rate 应怎样解读

来源:17golang原创 2026-11-10 11:53:48 0浏览 收藏

GitHub在2026年11月5日宣布,为企业和组织的仓库级Copilot使用报表增加代码审查反馈信息。addressed rate表示被评估评论中开发者采取了行动的比例;我更愿意把它用于观察反馈有没有进入工作流程,而不会直接把它当成代码质量得分。

官方公告:https://github.blog/changelog/2026-11-05-usage-metrics-api-adds-code-review-details-and-addressed-rate/

我会先分清被评估与已处理

新增信息位于repos-1-day报表每行的copilot_code_review对象中。total_comments_evaluated是被评估评论数,total_comments_addressed是其中已处理评论数;后者除以前者得到addressed rate。

这里的“处理”比点击应用建议宽:可以是应用建议、让Copilot修复、自己修改代码,或回复将在后续PR修复。因此,标题中的“采纳”不能理解为每条建议已经原样落地。

被评估与已处理评论范围及处理方式
指标组成说明图:已处理评论属于被评估评论,不等同于点击应用建议,非运行截图。

把日报按合并日放进观察窗口

官方说明评论在PR合并时评估,计入合并当天,而不是评论发出的当天。若团队某天集中合并积压PR,当天的数据可能反映更早的审查活动。

报表合并日统计与样本量解释边界
报表阅读说明图:先确认计入日、仓库和样本量,再讨论比例变化。

在设计周报时,我会同时保留分子、分母与日期范围。某仓库一周评估10条、处理8条,另一个仓库评估100条、处理50条;这是演示数字,合并比例应为58除以110,约52.7%,而不是把80%与50%简单平均。没有被评估评论时,报表展示“无可计算样本”通常比显示0%更易理解。

我会怎样接到现有周报里

先确认组织已启用Copilot使用指标策略,并由具备报表查看权限的人员访问。取回报表后,固定仓库范围和观察窗口,保留字段原值及获取日期,再计算比例;出现缺字段、空样本或统计口径变化时单独标记。

周报可以增加三栏:被评估评论数、已处理评论数、比例。若要比较不同团队,先讨论PR规模、合并节奏和审查工作方式是否可比。上述处理是报表设计建议,不是GitHub对团队绩效的评分规则。

这个指标能帮我决定什么

它适合帮助团队挑选需要进一步阅读的评论样本。例如比例突然变化时,回到对应PR查看行动方式和任务背景,而不是立刻判断工具变好或变差。尤其是“后续修复”回复,仍需要团队自行跟踪交付。

高比例说明没有缺陷了吗?

不能。反馈被处理与修改正确、测试充分、生产无缺陷属于不同问题,应配合评审样本和交付结果分析。

能拿来排名个人吗?

不建议仅凭这一比例做个人排名。报表的样本、合并时间和任务差异都会影响解释,先用它改进团队反馈流程更稳妥。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
LibreOffice Writer 表格跨页怎样重复标题行LibreOffice Writer 表格跨页怎样重复标题行
上一篇
LibreOffice Writer 表格跨页怎样重复标题行
Hugging Face Datasets 怎样分批导出字典而不一次读取全量
下一篇
Hugging Face Datasets 怎样分批导出字典而不一次读取全量
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    967次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    971次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    1080次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    1058次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    894次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码