# 效果度量报告 · AI 生成 prompt

## 用途
用**数据证明 AI 转型的实际效果**——AI 代码占比、产出提升、Bug 下降、人均效率。
适合：向怀疑者证明、作为继续投入的依据、晋升的硬证据。

> 💡 **可直接接 [ai-code-ratio](https://gitlab.21tb.com/sa/ai-code-ratio) 的输出**：跑 ai-code-ratio 得到 AI 占比/作者统计/提效同比数据，填进本 prompt → AI 生成度量报告。

## 你要准备的数据（可来自 ai-code-ratio report.md）
- **AI 代码占比**：提交占比 % + 行数占比 %
- **产出变化**：人均代码量同比（前/后数字）
- **质量变化**：Bug 占比同比（前/后）
- **人均效率**：人均上线条目 / 代码量
- **参与人数**

## Prompt（复制下面的内容，填入你的数据，发给 AI）

```
你是一位严谨的数据分析师。根据我提供的度量数据，生成一份《AI 转型效果度量报告》，用数据证明 AI 转型的实际效果。

结构：
1. 核心结论（一句话 + 关键数字卡片）
2. AI 代码占比（提交占比 + 行数占比；说明度量方法：Co-authored-by 初筛 + 风格计量学反伪造，保证数据可信、防伪造）
3. 产出提升（人均代码量同比，表格，标变化%）
4. 质量改善（Bug 占比同比，表格）
5. 人均效率（人均产出变化）
6. 方法说明（数据来源、时间范围、口径、防伪造措施——为什么数据可信）
7. 结论与建议（是否达到目标、下一步）

风格：严谨、数据导向、标注口径、不夸大（区分"相关性"与"因果"）。

数据（替换方括号占位，可来自 ai-code-ratio）：
- AI 占比：提交 [X]%，行数 [X]%
- 产出：人均代码量 [前] → [后]（[+X%]）
- Bug：占比 [前]% → [后]%
- 人均：[前] → [后]
- 时间范围：[填，如 2026年3-5月 vs 2025同期]

请直接输出完整的 Markdown 报告，不要解释。
```

## 输出示例（节选）

> 📄 **完整示例**（含 AI 占比 / 产出 / 质量 / 人均 / 方法 / 结论全节，接 ai-code-ratio 真实数据）见 [05-效果度量报告-示例.md](./05-效果度量报告-示例.md)。
```markdown
## 一、核心结论
> AI 代码占比 **20-40%**（ai-code-ratio 实跑）| 代码净增行 **+100.8%**（以 AI 提效统计分析报告为准，2026 年 3-5 月同比 2025 年 3-5 月）| Bug 占比 **-16pp**（37.9%→22.1%）

## 二、AI 代码占比
| 口径 | 数值 |
|---|---|
| 提交占比 | 38.3%（试点组） |
| 行数占比 | 52.9% |

**度量方法**：Co-authored-by 初筛 + 风格计量学复核（n-gram TF-IDF 余弦相似度反伪造），防止 AI 标记被误用，数据可信。

## 六、方法说明
- 数据来源：Git 仓库提交统计（218 个仓库）+ 上线记录同比
- 时间范围：2026 年 3-5 月 vs 2025 年同期
- 防伪造：三层识别算法（详见 ai-code-ratio）
- ⚠️ 数据是转型前后对比，提效与 AI 转型同期发生，但不能说 100% 全归功于 AI（需求、人员也有影响）——量级说明强相关即可，别承诺「上 AI 必定 +100.8%」。
```

## 渲染
文档类（Markdown），直接用。可配合 ai-code-ratio 的 HTML 报告（ECharts 图表）一起作为度量证据包。