前端进阶之旅前端进阶之旅
基础篇
进阶篇
高频篇
精选篇
手写篇
面经篇
AI 篇
原理篇
每日一题
小程序题库
知识卡片
  • 历年面经按年份追踪真实考点
  • 算法题库NEW在线编码即时判题
  • 专项自测100 题快速查漏
  • 业务场景题真实业务问题与追问
  • 查漏补缺常见问题解析
  • 前端基础
    • HTTP从报文一路讲到 HTTPS
    • 浏览器渲染、事件循环、进程
    • 计算机基础Linux、网络、操作系统
  • 进阶专项
    • 设计模式23 种模式怎么用
    • 前端系统进阶学习大型项目工程化
    • 前端综合文章长期沉淀的实践文
  • 工程与工具
    • Node学习指南从环境搭建到服务端
    • NPM工作流script、依赖与发布
    • Docker容器化部署上手
    • Canvas图形与动画实战
  • 路线与导图
    • 思维导图知识点全景图
    • 学习路线按图索骥不跑偏
  • 动态
    • 公众号动态公众号历史文章
    • 博客动态站长的技术博客
    • 开发者导航常用工具与文档站
  • AI 助手随时提问,即时解析
  • AI 模拟面试模拟真实面试 + 报告
  • AI 知识地图串起全站知识点
  • AI 定制路线按你的简历现排
AI 热点
旧版
基础篇
进阶篇
高频篇
精选篇
手写篇
面经篇
AI 篇
原理篇
每日一题
小程序题库
知识卡片
  • 历年面经按年份追踪真实考点
  • 算法题库NEW在线编码即时判题
  • 专项自测100 题快速查漏
  • 业务场景题真实业务问题与追问
  • 查漏补缺常见问题解析
  • 前端基础
    • HTTP从报文一路讲到 HTTPS
    • 浏览器渲染、事件循环、进程
    • 计算机基础Linux、网络、操作系统
  • 进阶专项
    • 设计模式23 种模式怎么用
    • 前端系统进阶学习大型项目工程化
    • 前端综合文章长期沉淀的实践文
  • 工程与工具
    • Node学习指南从环境搭建到服务端
    • NPM工作流script、依赖与发布
    • Docker容器化部署上手
    • Canvas图形与动画实战
  • 路线与导图
    • 思维导图知识点全景图
    • 学习路线按图索骥不跑偏
  • 动态
    • 公众号动态公众号历史文章
    • 博客动态站长的技术博客
    • 开发者导航常用工具与文档站
  • AI 助手随时提问,即时解析
  • AI 模拟面试模拟真实面试 + 报告
  • AI 知识地图串起全站知识点
  • AI 定制路线按你的简历现排
AI 热点
旧版
返回 AI 情报前线
All News · 全部资讯8915
  • Nvidia SoL-Pi系统让编程Agent token消耗减半
  • 开发者亲测一个月停用AI:编码速度下降但深度思考回归
  • Together AI 发布 17 美元微调分类模型完整配方
  • 长对话 LLM Token 成本优化:缓存何时有效何处失效
  • 上下文工程:别把百万 Token 当存储桶用
  • OpenAI最强大模型因Agent安全漏洞被暂停
  • 笔记本跑 7000 亿参数 GLM:用 SSD 当显存火爆 GitHub
  • 谷歌TPU运行Kimi推理速度快57%,采用DeepSeek框架
  • Claude Code突破5小时限制可优雅收尾
  • OpenAI Agent失控调用DeepSeek/Kimi,近百万条短链曝光
  • 美团LongCat-2.5-Preview:1.6T MoE大模型支持百万token上下文
  • Anchors 方法让 LoRA 微调灾难性遗忘降低 28 倍
  • AI 推理服务器实战:GPU 选型与云端部署指南
  • Meta Muse AI 助手被通过隐藏端点劫持
  • OpenAI智能体擅传53张客户图片至公网,已承认违规
  • GitHub Copilot企业托管配置支持内联验证
  • OpenAI智能体安全漏洞:53张用户图片被发布至公开网络
  • AI应用上线后高频故障模式分析
  • AI Agent与传统自动化的安全差异:控制权在哪里
  • 我的RAG评估骗了我两次
  • GitHub Copilot用量API新增PR评审耗时分析
  • OpenAI Agent入侵Hugging Face细节披露
  • Meta Muse超越ChatGPT同期数据,剑指智能眼镜
  • Anthropic论文:Claude可完成九层推理链
  • 多 Agent 系统八大隐蔽失败模式与真正有效的防护机制
  • GitHub Copilot Canvas 入门:用自然语言构建自定义工作流
  • AI Agent 误将私密文章发布上线:一次 CI 流程的教训
  • 切 AI 工具时不再重复介绍代码库:真正有效的做法
  • Supabase 用户因配置不当暴露大量数据
  • Copilot自动修复Agent现利用记忆上下文
  • GitHub Copilot 周更:新增 Claude Opus 模型和本地沙箱
  • AWS EKS上MoE强化学习训练吞吐量提升40%
  • SageMaker HyperPod上加速多模态RL训练
  • NarrateAI:Bedrock 上生产级 LLM 质量保障实战
  • Qwen3-TTS 语音克隆实战:AWS SageMaker 实时部署指南
  • Jevmem:为 Claude Code 自动注入项目记忆,基于 Jev
  • 一次前向传播问十个问题:决策模型提速 6.7 倍
  • 边缘设备低延迟部署 LLM 的策略与最佳实践
  • AI Agent 情景记忆 vs 语义记忆的实际应用
  • Claude Opus 5.5 vs GPT-6 Sol:新一轮降价潮来了
  • TypeSafe AI Jev:不做生成、只做判断的极速模型
  • AI Agent 的失败根源不在推理,在于状态管理
  • Cloudflare Turnstile Spin:AI Agent自动修复网站安全配置
  • 微软 Copilot 超级应用:聊天、编程、Agent 三合一
  • Meta Muse为每位用户配备云端Ubuntu电脑
  • n8n推出新Agent类型:自然语言描述即可创建自动化代理
  • Microsoft 推出 Copilot 超级应用,整合聊天、编程和 Agent
  • OpenAI与Cursor对Agent协调器的设计分歧
  • Anthropic 联手 Google Cloud 在纽约办 Claude Code 实战工作坊
  • AI SRE智能处理值班警报:自动根因分析并提PR修复
  • AI生成应用的K8s生产就绪:四层架构避坑指南
  • 已加载 51 / 8915
8.0
热点
AI SCORE
编程提效2026-09-26 05:09

GitHub Copilot用量API新增PR评审耗时分析

GitHub Copilot Changelog#GitHub Copilot#数据分析#DevOps
Editor brief · 编辑速览

企业级Copilot用量报告新增pull_request_review_times数组,按天拆解各PR在各评审阶段的停留时长,便于量化Copilot对代码评审效率的影响。

文章思维导图
Knowledge map
拖拽缩放
Full translation

完整中文译文

企业级和组织级仓库维度的 Copilot 使用量指标报告,现在拆分出了 PR 在每个评审阶段所花费的时长。每个 repos-1-day 行新增了一个 pull_request_review_times 数组,其中包含从「ready for review」到「首次评审」、「首次评审」到「最终评审」、「最终评审」到「合并」三个阶段的中位数和第 90 百分位数。

pull_request_review_times 数组中的每个条目包含以下字段:

  • authored_by 和 reviewed_by:分别是提交该 PR 的人和评审该 PR 的人。本版本中两者都是人类。

  • total_merged:当天在该仓库合并的符合条件的 PR 数量。

  • median_minutes_ready_to_first_review 和 p90_minutes_ready_to_first_review:从 PR 进入 ready for review 状态到首次评审的时间。

  • median_minutes_first_to_final_review 和 p90_minutes_first_to_final_review:从首次评审到最终评审的时间。

  • median_minutes_final_review_to_merge 和 p90_minutes_final_review_to_merge:从最终评审到合并的时间。

时长以分钟为单位,归因到 PR 合并那天。已有的 pull_requests 字段保持不变。

团队目前已经能看到 PR 合并耗时很长,但无法得知时间消耗在哪里。将等待拆分为三个阶段后,就能看出 PR 是在等评审者查看、是在评审者之间来回沟通、还是已经批准但未被合并。每一个问题都指向不同的解决方向,而中位数旁边的第 90 百分位数可以揭示是否存在少量慢速 PR 在主导整体延迟。

适用版本:企业级和组织级的 repos-1-day 报告。

统计范围:统计由人员发起、且至少有另一人评审的 PR。只有人工评审计入计时,Copilot code review、其他机器人以及作者本人的评审均不计入。因此,即使一个 PR 同时被人员和 Copilot code review 评审过,仍然会被纳入统计。最终结果是,pull_request_review_times[].total_merged 通常低于 pull_requests.total_merged,因为后者也包含了没有任何评审就被合并的 PR。

不会补历史数据:数据从发布日期开始往前积累,所以早期天数的数据会很少。2026 年 9 月 21 日之前进入 ready for review 状态的 PR 不会出现在这个部分,但仍会计入 pull_requests.total_merged。

空数据日返回空数组而非零:仓库当天没有合并符合条件的 PR 时,该数组为 []。如果 PR 只经历了一次评审,则首次到最终评审阶段的时长为 0。

访问权限:企业所有者与计费管理员、组织所有者,以及拥有授予了「查看 Copilot 指标」权限的自定义组织或企业角色的用户,均可访问这些报告。同时必须启用 Copilot 使用量指标策略。

访问 Copilot 使用量指标 API 文档开始接入。

Original source

本文由 AI 翻译整理自 GitHub Copilot Changelog,原文版权归原作者所有。

阅读英文原文
上一篇
我的RAG评估骗了我两次
下一篇
OpenAI Agent入侵Hugging Face细节披露