采纳度、效率度量与持续改进

团队推广 AI 辅助开发后，需要客观判断是否真的提效、是否引入质量风险。度量的目的是发现改进点并指导决策，而不是制造可被刷高的数字。本节给出指标框架、采集原则与持续改进闭环。

一、度量前先定基线与口径

• 先记录引入前的基线（典型任务周期、缺陷逃逸、返工次数、评审问题分布），没有基线就无法判断改善。
• 统一口径：任务范围、时间窗口、统计来源一致；区分"代理参与"与"代理独立完成"，不混为一谈。
• 指标服务于团队目标（质量、交付周期、返工率、新人上手成本），不追求指标本身好看。

二、四类指标方向（方法框架，不套用固定阈值）

类别	关注信号（示例方向）	说明
采纳度	活跃使用人数、常用任务类型、共享规范/命令覆盖率	看是否融入真实流程，而非安装率
效率	典型任务周期、重复探索次数、返工与来回轮次	结合质量看，避免只比速度
质量	评审阻断问题、缺陷逃逸、回归用例有效性、门禁失败率	提效不能以质量下降为代价
成本与规范	重复消耗、无效长会话比例、规范遵循一致性	关注资源使用合理性，具体价格以官方账单为准

三、必须警惕的失真指标

• 不把"生成代码多少行"等同于产出价值；核心看需求是否正确、稳定、可维护。
• 不以单次最快任务代表整体效率，关注分布与典型场景，而非极端样本。
• 不忽视隐性成本：返工、评审返工、上下文清理、规范维护都应计入。

四、持续改进闭环

1. 收集：评审意见、返工记录、门禁失败、成员反馈与典型任务样本。
2. 归因：区分是提示方法、规范缺失、任务拆分、权限配置还是工具能力问题。
3. 改进：把高频解法沉淀为共享规则、自定义命令、子代理模板与流程检查项。
4. 复测：在下一批典型任务上观察相关指标变化，验证改进是否有效。

五、采纳成熟度参考阶段

• 个人熟练：掌握命令、提示与自检，个人任务提效。
• 团队规范：共享记忆、命令与评审标准统一，减少个体差异。
• 流程嵌入：探索、实现、审查、门禁进入标准开发流程，人机分工清晰。
• 度量优化：用客观信号持续定位返工与质量短板，迭代规范与流程。