觉
AI觉醒星球
Awakening is here
Knowledge File / AI技能杠杆
2026-05-30 2 浏览 免费阅读

趋势解读:Copilot usage metrics API adds cohorts for AI,提升开发者接入体验

GitHub Copilot 使用指标 API 新增基于 AI 采用阶段的用户分类功能,帮助组织深入了解开发者的 Copilot 使用深度和行为模式。

SOURCE / AI技能杠杆 MIN / 9 ACCESS / 免费阅读 POST / 2026-05-30 05:03:00

原贴

查看原文
作者:Allison 来源站点:github.blog 原贴时间:

原文

To help you tell a deeper Copilot adoption story—not just who is active, but how they’re using Copilot—the Copilot usage metrics API now classifies each engaged user into an AI adoption phase based on their Copilot product usage over a rolling 28-day window. A new ai_adoption_phase field is available on user-level reports, and a new totals_by_ai_adoption_phase array surfaces per-phase metrics on enterprise- and organization-level reports. Each engaged user is assigned to one of four phases based on the Copilot surfaces they’ve used on at least two days in the last 28-day window: Phase 0 — No cohort : User did not meet the engagement criteria for any phase. Phase 1 — Code first : User engaged with code completion and/or IDE agent mode. Phase 2 — Agent first : User engaged with a single GitHub-based agent surface (i.e., Copilot cloud agent, Copilot code review, or Copilot CLI). Phase 3 — Multi-agent : User engaged with two or more GitHub-based agent surfaces, or with the new GitHub Copilot app. Each ai_adoption_phase value includes a version field (starting at v1 ) so the classification logic can evolve as Copilot’s product surface grows, without breaking historical context. On the enterprise- and organization-level reports, the new totals_by_ai_adoption_phase array groups engagement and activity metrics by phase, including: Total engaged users (2-day-in-28 engagement window) Code generation and acceptance activity averages Lines of code added and deleted averages Pull requests created, merged, and reviewed averages

中文翻译

为了帮助你讲述更深入的 Copilot 采用故事——不仅是谁在使用,而是他们如何使用——Copilot 使用指标 API 现在根据用户在 28 天滚动窗口内的 Copilot 产品使用情况,将每个活跃用户分类到一个 AI 采用阶段。用户级别报告中新增了 ai_adoption_phase 字段,企业和组织级别报告中新增了 totals_by_ai_adoption_phase 数组,用于展示每个阶段的指标。每个活跃用户根据其在过去 28 天中至少两天内使用的 Copilot 功能被分配到四个阶段之一:阶段 0——无分组:用户未满足任何阶段的参与条件。阶段 1——代码优先:用户使用了代码补全和/或 IDE 代理模式。阶段 2——代理优先:用户使用了单个基于 GitHub 的代理功能(即 Copilot 云代理、Copilot 代码审查或 Copilot CLI)。阶段 3——多代理:用户使用了两个或多个基于 GitHub 的代理功能,或新的 GitHub Copilot 应用。每个 ai_adoption_phase 值包含一个版本字段(从 v1 开始),以便随着 Copilot 产品功能扩展而演进分类逻辑,同时不会破坏历史上下文。在企业级和组织级报告中,新的 totals_by_ai_adoption_phase 数组按阶段分组展示参与度和活动指标,包括:总活跃用户数(28 天内 2 天活跃窗口)、代码生成和接受活动的平均值、添加和删除的代码行数的平均值、创建的拉取请求、合并和审查的平均值。

核心信息

GitHub Copilot 使用指标 API 新增基于 AI 采用阶段的用户分类功能,帮助组织深入了解开发者的 Copilot 使用深度和行为模式。

  • Copilot API新增用户AI采用阶段分类
  • 四阶段:无分组、代码优先、代理优先、多代理
  • 企业可量化AI使用深度并制定提升策略
  • API提供28天滚动窗口的聚合指标
  • 版本字段确保分类逻辑可演进

详细解读

这是什么信号

GitHub 在其 Copilot 使用指标 API 中引入了基于 AI 采用阶段的用户分类体系,将开发者分为“无分组”、“代码优先”、“代理优先”和“多代理”四个阶段。这标志着 AI 辅助编程工具从简单的使用统计向行为深度洞察的转变。

为什么重要

传统指标(如活跃用户数)只能回答“多少人用”,而新分类回答了“怎么用”。企业可以识别团队内部的 AI 使用成熟度,区分出仅用于代码补全的初级用户和深度使用多代理功能的高级用户。这对于评估 AI 投资回报、设计培训策略和优化工作流程至关重要。

对谁有价值

  • 技术管理者:可量化团队的 AI 采用深度,发现技能差距,制定针对性提升计划。
  • 开发者体验团队:通过阶段分布了解工具推广效果,优化 onboarding 流程。
  • AI 工具开发者:该分类框架可启发类似产品设计用户行为层次模型。

可以怎么行动

  • 集成新 API 到内部仪表盘,按阶段跟踪团队 Copilot 使用趋势。
  • 设置目标:鼓励团队从阶段1向阶段3迁移,例如举办“多代理工作流”分享会。
  • 结合代码质量指标,分析不同阶段用户的产出差异,量化 AI 对效率的影响。

风险或限制

  • 分类依赖 28 天滑动窗口,可能受假期或项目周期影响导致误判。
  • 阶段划分基于功能使用数量,未考虑使用质量(如是否高效利用代理)。
  • 企业需注意数据隐私:细分粒度可能暴露个人使用习惯。

信息差价值

信息差价值:多数企业仅追踪 Copilot 的活跃用户数,而忽略使用模式。此 API 揭示了更深层的行为指标,使组织能区分“浅层使用”与“深度整合”,从而更精准衡量 AI 投资回报。这属于行业领先实践,尚未被广泛采用,先了解者可建立竞争优势。

业务启发:该分类框架可迁移至其他 AI 工具(如 ChatGPT 企业版),设计类似的分层采用模型。例如,将用户从“对话式”到“API 集成”再到“多代理编排”分级,帮助企业识别数字化转型中的关键用户群体,并针对性地投入资源。

可沉淀动作:立即在开发环境搭建 Copilot 指标看板,按阶段展示趋势,并与代码交付效率(如 PR 合并时间)关联分析。组织月度“AI 采用阶段报告”,设定季度目标,推动团队向更高阶段迁移。同时,记录不同阶段的培训材料反馈,优化内部推广策略。

参考来源

AI SUMMARY

这篇文章回答了什么

趋势解读:Copilot usage metrics API adds cohorts for AI,提升开发者接入体验主要讲什么?

GitHub Copilot 使用指标 API 新增基于 AI 采用阶段的用户分类功能,帮助组织深入了解开发者的 Copilot 使用深度和行为模式。

这篇文章最值得关注的要点是什么?

GitHub Copilot 使用指标 API 新增基于 AI 采用阶段的用户分类功能,帮助组织深入了解开发者的 Copilot 使用深度和行为模式。;Copilot API新增用户AI采用阶段分类;四阶段:无分组、代码优先、代理优先、多代理;企业可量化AI使用深度并制定提升策略

这篇文章和哪些AI专题相关?

它适合放在Agent工作流、AI工具、AI超级个体专题里阅读。 关联原因:这篇内容命中「Agent、工作流」等主题信号。;这篇内容命中「自动化」等主题信号。;这篇内容命中「技能」等主题信号。

阅读这篇文章建议先理解哪些关键词?

建议先理解AI工具、工具、自动化、模型、Cursor这些关键词,再结合正文判断工具、机会或风险是否值得进入自己的工作流。

上一篇 这个 skill 看着不错,可将文字、URL 或文章直接生成公众号首图、小红书图文卡、教程步骤卡等视觉物料,支持 28 种布局和 10 种主题。 下一篇 Luma Agents 自动生成宣传图,输入内容即可