解释 GitHub Copilot 的使用情况和采用指标

查看 Copilot 使用情况指标仪表板后，可以使用本文来解释每个图表，并确定增加采用率和参与的机会。

查看总体使用趋势

使用仪表板中的主要使用情况图表来了解总体采用和参与模式。 这些图表可帮助你识别使用量增长、趋于平稳或下降的情况，以便你可以采取措施来维持参与度。

指标	它显示的内容	如何解释它
IDE 每日活跃用户 （DAU）	每天与 Copilot 交互的唯一用户。	持续 DAU 增长表明参与一致;急剧下降可能表示配置问题或兴趣降低。
IDE 每周活跃用户（WAU）	过去 7 天滚动时段内的独立活跃用户数。	WAU 与许可证比例 (>60%) 正常，表明持续使用率很高。
代码补全接受率	已接受的建议百分比。	上升的速率表明增加信任和有用性：下降可能指向不匹配的建议或工作流摩擦。

功能接受程度审查

“每个聊天模式的请求数”和“代理采用”图表显示开发人员如何使用 Copilot Chat 和 Copilot agent。

信号	它告诉你什么	要查找什么
每个聊天模式的请求数	按模式划分的聊天交互细分 - 询问、编辑、计划或代理。	均衡分布表明用户正在探索多个功能。 大量使用一种模式可以突出显示支持活动应集中关注的领域。
代理采用	使用 Copilot agent的活动用户的百分比。	随着时间推移，这一增长表明，开发人员正在从基本完成功能逐渐进展到更高级的 Copilot 功能。

使用 API 查看 Copilot CLI 自定义项采用情况

若要评估开发人员采用 Copilot CLI 自定义项的方式，请使用使用情况指标 API。 它报告技能、自定义代理、模型上下文协议（MCP）服务器连接活动、斜杠命令以及企业和组织插件。 这些字段显示在每用户 1 天报告、聚合的 1 天报告、每用户 28 天报告以及聚合的 28 天 day_totals 中。 它们在仪表板中不可用。 有关字段定义，请参阅 Copilot使用情况指标中提供的数据。

interaction_count 表示每个类别的不同事件：技能调用、自定义代理启动、MCP 连接或重新连接尝试、斜杠命令调用或插件关联的技能调用。 这些值统计活动事件，而不是用户。 MCP 计数中包括成功和失败的连接尝试，但不包括通过已连接服务器进行的工具调用，也不包括正在进行中的服务器使用。 每个插件交互都已包含在技能交互计数中，而未与插件关联的技能交互仅显示在技能总数中。 不要将插件和技能的交互次数合并计算。

要识别强劲的采用信号，请查找出现在许多用户数组中的命名自定义项。 每个数组仅包含具有该记录的最高交互计数的五个条目。 因此，不要将缺席条目解释为零使用，也不使用数组来计算确切的采用率。

去重计数显示有多少不同的项目标识符发生过活动。 在企业和组织范围内，即使许多用户与之交互，标识符也会计数一次，因此不要添加每用户不同的计数来重现聚合值。 比较记录或 day_totals 中的非重复计数，以查看有活动的自定义项的多样性是否正在变化。

信号	它所暗示的内容	建议的操作
具名技能、自定义智能体、斜杠命令或插件在许多用户中具有很高的交互次数	这种自定义具有广泛适用性，可能很适合纳入标准化。	通过内部示例、载入材料或共享自定义库推广它。
某个已命名的自定义项仅对少数用户而言出现在前五名中，但对于这些用户，其交互次数较高	观察到的活动集中在一个小群体中。 其他用户可能在其前五个条目之外有活动。	要求这些用户共享示例工作流。 然后，在扩大启用之前，使用开发人员反馈或其他内部数据来评估更广泛的采用。
去重计数很高，但大多数交互都归在 other 下	开发人员使用许多客户定义的自定义项，这些自定义项的名称未在报表中公开。	查看内部自定义源和目录，以确定合并、记录或治理重叠选项的机会。
对于你期望开发者使用的技能、自定义代理、斜杠命令或插件，其交互次数仍然很低	开发人员可能不知道自定义存在或何时有用。	使用以任务为中心的示例提高可发现性，并在相关的载入或启用会话中包含自定义项。
MCP 连接活动高于或低于预期	开发人员可能会反复重新连接，遇到失败的连接尝试，或者计划内推出可能尚未达到预期受众。 仅连接计数不显示开发人员是否主动使用 MCP 工具。	检查 MCP 配置和推出过程，然后使用其他内部数据或开发人员反馈来评估正在进行的服务器使用情况。
赋能活动后，采用率提升	活动可能帮助开发人员发现有用的自定义项。	在决定是否扩展活动之前，比较多个报告周期并收集开发人员反馈。

查看模型应用

“每日模型使用情况”和“每个聊天模式的模型使用情况”图表可帮助你了解最常用的 AI 模型。

图表	Description	待挖掘的见解
每天的模型使用情况	显示哪些 AI 模型支持 Copilot Chat 活动。	确定用户是主要使用默认模型，还是尝试使用较新的模型。
每个聊天模式的模型使用情况	按聊天模式（Ask、Edit、Plan、Agent）细分模型使用情况。	在发布新模型时，监控模型的采用情况如何发展。

查看语言用法

“语言使用”和“每日语言使用情况”图表显示了开发者在使用 Copilot 时最常使用的编程语言。

图表	Description	如何使用
语言的使用	按编程语言显示 Copilot Chat 活动的占比。	确定 Copilot Chat 在哪些方面最能体现价值，以及哪些方面还需要额外的支持或赋能。
每天的语言使用情况	跟踪语言活动的每日波动。	在开发重点上发现转变，或确认新团队或项目是否推动活动增加。

查看采用队列

影响力仪表板中的采用分群分布显示了各阶段用户的占比，以及该分布如何随时间变化。 有关每个阶段的含义和分类的工作原理，请参阅 GitHub Copilot使用情况指标。

信号	它所暗示的内容	建议的操作
第一阶段占比缩小，第二或第三阶段占比扩大	用户正从代码完成走向代理驱动的工作流。	继续推进当前的赋能工作；可考虑分享内部成功案例，以保持这一势头。
大型或不断增长的被动用户占比	许多已获许可的用户尚未达到某一阶段所要求的参与度门槛。	验证许可证分配和 IDE 设置;提供加入以重新吸引非活动用户。 还要检查受影响用户是否主要依赖某个不属于任何阶段分类标准的界面，例如 Copilot Chat 上的 GitHub.com。
从阶段 1 到阶段 2 的停滞进度	用户对补全和聊天功能很熟悉，但尚未采用智能体界面。	按照推荐卡片中的建议进行操作，例如配置 Copilot cloud agent，或者运行代理工作流演示。
从阶段 2 到阶段 3 的停滞进度	用户已经采用了某一个智能体界面，但尚未叠加使用其他智能体界面。	按照推荐卡片中的建议（例如启用 Copilot code review），引入第二个代理界面。
用户的阶段会在一天到下一天之间发生变化，而其习惯并未改变	阶段分配会基于最近 28 天的滚动窗口每日重新计算，因此随着较早日期逐渐移出该窗口，用户的阶段也会发生变化。	这是预期行为，而不是数据错误;无需执行任何操作。

当你在仪表板中看到推荐卡片时，例如配置 Copilot cloud agent、启用 Copilot code review 或发送加入提醒，请按照链接的操作指南完成设置。 每条建议均基于贵组织当前的队列分布生成，并聚焦于最有可能推动用户实现更深层采用的差距。

审视采用率乘数

采纳倍数根据代码交付情况（每位用户每月合并的拉取请求数）以及合并拉取请求所需的时间，对活跃用户（第 1、2 或 3 阶段）与被动用户进行比较。 这显示了更深入采用的相对影响，与每个阶段的用户数量无关。

信号	它所暗示的内容	建议的操作
参与度高的用户每月每人合并的拉取请求数比被动用户多
Copilot 采用程度越深，个人产出越高。	利用这一比较来为持续进行赋能投入提供依据。
参与度高的用户每月每人合并的拉取请求数比被动用户少	参与用户可能花更多的时间处理更大或更复杂的工作，或者比较可能会反映团队组合的差异，而不是采用深度。	在得出结论之前，与采用队列分布和团队级数据进行交叉引用;避免将乘数视为生产力的独立度量值。
活跃用户合并拉取请求的速度快于被动用户	更深入的采用与较短的拉取请求生命周期相关联。	将此比较与拉取请求生命周期指标一起使用，以评估总体交付影响。
尽管第 2 阶段或第 3 阶段的占比有所增长，乘数仍保持不变	代理采用尚未转化为参与用户和被动用户之间输出的可衡量差异。	检查代理使用情况是否集中在少数用户或团队中，以及推出后是否有足够的时间才能显示影响。

查看潜在投资回报

潜在投资回报部分比较了Copilot在早期采用阶段和代理优先采用阶段的成本、工资总额估算占比以及每位开发者每月的拉取请求数。 将这些比较视为方向性关联，而不是将其当作采用情况的变化导致产出变化的证据。

信号	它所暗示的内容	建议的操作
以智能体为先的用户会合并更多拉取请求，且其成本占工资总额的比例相近或更低	相对于估算投入，以智能体为先的使用方式与更多拉取请求产出相关。	在将其作为赋能投资决策依据之前，请先将此信号与采用倍数及跨多个周期的趋势进行比较。
以智能体为先的用户合并的拉取请求更少，或者其成本占工资总额的比例更高	工作类型、团队组合或采用成熟度的差异可能会影响比较。	在得出有关投资回报的结论之前，请查看队列分配和团队级背景。
选择其他开发人员成本后，工资百分比会发生变化	仪表板使用不同的补偿假设重新计算估计值，而不显示使用情况的变化。	比较不同时间段或组织时，请使用同一薪酬区间。

根据见解采取行动

使用使用情况、功能采用和语言活动的趋势来指导启用和推出规划。

观察	可能的原因	建议的操作
在某些团队中采用率高，但在其他团队中采用率较低	某些团队可能未启用 Copilot Chat，或未正确配置它。	验证许可分配和 IDE 安装和配置；提供团队级别的入门培训。
稳定使用但代理采用率较低	开发人员可能不知道 Copilot agent 功能。	共享内部演示或成功案例。
DAU 或接受率下降	配置问题或建议相关性降低。	鼓励反馈并验证 IDE 和扩展版本。