ls -la ~/notes/measurement/

MEASUREMENT

7 articles

提效比较的三锚点：可比性、可分离性、诚实性

AI 介入软件工程后，提效比较常掉进鸡同鸭比。本文提出三锚点——可比性（固定 backlog / 团队 / 窗口）、可分离性（冻结复杂度基线）、诚实性（预期而非伪装实测）——并给出吞吐、周期时间（速度口径）与配对汇总的读数纪律，附常见反模式。

别再用说不清分母的「提效 300%」焦虑彼此。把端到端角色拉齐，对齐 DORA 与精益术语，按两大组结对共创指标，再在同一团队、固定迭代与需求范围下用百分位做前后对照——附吞吐、多段 Cycle Time、质量与 Token 成本配方。

团队都在用 AI，不等于都能用同一套改进方案。AI4SE 成熟度模型用 6 域 × 18 项的证据化画像识别短板，再按成熟度分型给出剂量匹配的能力提升处方——评估的目的不是打分，而是具体问题具体分析。

从 Anthropic 2026 趋势报告提炼可观测信号：60% AI 渗透率 vs 0–20% 完全委托、27% 新增类工作、以及 TELUS/CRED 等案例背后的度量启示。

DORA 衡量交付、SPACE 衡量生产力、DevEx 衡量体验——AI4SE 需要整合这三套框架，因为 Agent 同时影响交付速度、人的工作方式和开发体验。

Google DORA 2025 报告的关键发现：90% 的软件从业者正在使用 AI，59% 报告代码质量提升——但 AI 同时放大了好的和坏的工程实践。

用代码行数、Story Points、PR 数量来衡量 AI4SE 时代的开发者？这些指标不仅没用，还会鼓励错误行为。我们需要新框架。