按采用阶段跟踪企业及组织报告中的总合并数

基于已添加到Copilot使用指标API的AI采用阶段队列，组织和企业报告现在报告每个采用阶段合并的拉取请求总数。

totals_by_ai_adoption_phase细分先前仅报告每用户平均值。每个条目现在还包括拉取请求合并的总数：total_pull_requests_merged：该采用阶段用户当天合并的拉取请求总数。

这补充了现有的每阶段avg_pull_requests_merged，并可在1天和28天报告中使用。

查看每个阶段合并的拉取请求份额：有了总数而非仅平均值，您可以计算每个采用阶段贡献了所有合并拉取请求的比例。

比较各阶段的绝对吞吐量：总数更容易理解用户行为比例，而非仅依赖每用户平均值。

衡量采用对交付的影响：跟踪用户通过AI采用阶段进展时拉取请求吞吐量的变化。

这些指标可供通过REST API访问Copilot使用指标的企业管理员和组织所有者使用。

total_pull_requests_merged使用与现有avg_pull_requests_merged相同的归因，因此两个值彼此一致。

访问Copilot使用指标API文档以了解更多。

GitHub Copilot使用指标API新增按AI采用阶段统计的合并拉取请求总数，帮助管理员量化各阶段用户产出。

• GitHub Copilot使用指标API新增按AI采用阶段统计的合并拉取请求总数，帮助管理员量化各阶段用户产出。
• 原贴提到：Building on the AI adoption phase cohorts added to the Copilot usage met
• 来源：github.blog

这是什么信号

GitHub在Copilot使用指标中增加了按AI采用阶段汇总的拉取请求合并总数，意味着平台正从单纯的采用率统计转向产出深度度量。

为什么重要

此前仅有每用户平均值，无法体现不同采用阶段用户的整体贡献。新增的总数可计算各阶段合并PR的占比和绝对吞吐量，帮助管理者理解AI工具在团队中的实际产出分布。

对谁有价值

企业管理员和组织所有者：可评估Copilot对编码效率的影响，识别高采用阶段用户的杠杆作用，并决定培训或激励资源分配。

可以怎么行动

• 通过REST API获取1天或28天报告，建立各阶段PR合并数的仪表盘。
• 对比各阶段吞吐量，找出采用深度与产出的相关性。
• 结合其他指标（如代码质量）评估AI采用不同阶段的综合效果。

风险或限制

指标基于用户分类归因，若用户阶段划分不准确（如刚接触AI但被归为高阶段），可能导致数据偏差；且仅统计合并的PR，未考虑代码审查周期等协作因素。

这条内容的真正价值，不只是“有人发布了一个新功能”，而是它揭示了 github.blog 背后的产品方向、工作流变化或竞争信号。对 OPC 来说，这种信息可以转化成持续追踪的栏目选题。

如果把《按采用阶段跟踪企业及组织报告中的总合并数》放到你的内容系统里，它最大的价值在于帮助读者更快看懂“为什么值得关注”，而不是只看到一条碎片化动态。

• Allison 原帖