每次有团队跟我说"用了 AI 提效 2 倍"，我就问一个问题------
你怎么算出来的？
答案几乎一模一样："以前手写一个页面要 2 天，现在 AI 辅助 1 天，提效 2 倍。"
我追问："那你跟产品扯需求那两天也算进去了吗？联调踩坑那三天呢？测试提了 bug 回来改的时间呢？"
对面通常沉默三秒。
这个算法的漏洞太明显了。它只量了一个人的编码时间。编码在总交付周期里占 15%-45%，你把 15% 的事提效了 2 倍，总账上可能连 30% 都涨不了。剩下的时间------需求评审、联调扯皮、测试验证、上线前临时补的漏------全被忽略了。
这就是个人提效 ≠ 组织提效。一个人写快了，不等于一条线交付快了。
我见过一个百人规模的前端团队，他们自己搭了一套出码率采集，三个月把出码率从 30% 拉到了 70%+。但有意思的不是这个数字------是他们拉完之后发现，出码率涨了，交付周期没怎么动。出码率能告诉你 AI 有没有进入研发现场，能让团队养成用的习惯。但用它来证明"提效了"，那就证明偏了。它证明的是 AI 参与了多少，不是交付好了多少。
前面两篇分别讲了 AI Coding 的理论，和怎么用 8 个 Skill 把 AI 管住。这一篇是三部曲的收尾：你怎么知道这套东西真的有用？
我也吹过牛皮
最早搞 AI Coding 的时候，我自己也是只考虑程序员的编码时间。去年年中那个运营后台跑完，我兴冲冲跟老板汇报："编码阶段节省了 50% 时间！" 老板很高兴，让我出个全员推广方案。我当时觉得这事稳了。
结果 Q2 推广下去，一个月后拉数据------三条业务线，端到端交付周期纹丝没动。
你能想象那个场景。老板把你叫过去，问"上个月不是说提效 50% 吗，怎么业务方还在催进度？"你站在那里解释过程指标和结果指标的区别------那个画面太尴尬了。打那以后我再也不跟老板说过程指标了，他听不懂，也不想听。
这件事让我琢磨了很久。为什么提效数据好看，但没人感觉得到？
根因其实很简单------我们量的是"开发在编码阶段省了多少时间"。这是一个过程指标 ，细到只有开发自己关心。而业务方、老板、客户感知到的是"从提需求到上线要多久"------这是一个结果指标 。过程指标省下来的时间，全被其他环节吃掉了，结果当然不变。
更操蛋的是，有些团队为了证明 AI 有用，故意只挑编码环节来量。就像减肥只量早饭吃了多少，午饭晚饭冰淇淋全不算。最后站在秤上跟老板说"我减了啊"------但是秤不会说谎。
还有一个不能摆上台面但人人心里清楚的现象------AI 把编码时间省下来了，省下来的时间去哪了？有些人是真的去解决更难的问题了，有些人只是多刷了半小时手机。
还有更隐蔽的------小负责人跟老板吹了牛皮，说 AI 提效 50%。实际 AI 根本没那么神，手下全在加班赶进度。项目按时交付了，老板一看，嗯，AI 确实有用。但其实根本不是 AI 提效省出来的时间，是加班加出来的。这种"提效"数据比造假还危险------因为你真的交付了，但交付是靠人肉堆的，下次不加班就崩了。 这是三种自欺里最隐蔽的一种，因为老板真的信了。
别喊提效了，盯住这三个数
跟团队磨合了半年，我彻底放弃了"提效 50%"这个说法。每次说出来自己都会心虚。
现在我只盯三个数。每个都能从现有工具里直接拉，不用任何人手动记，不用翻三个月前的代码。
第一个：端到端交付周期。
从需求评审到上线发布，中间多少天。这个数从项目管理工具里直接拉，不用任何人手动记。
AI Coding 上了之后这个数字变了吗？我们团队就是典型。编码从 10 天压到了 5 天，肉眼可见的快。但需求评审还是 2 天------产品没因为 AI 就少开一次会。联调反而从 2 天涨到 4 天------AI 生成的接口字段经常对不齐，以前手写的时候开发会下意识补漏，AI 不会。测试也从 2 天涨到 4 天------AI 代码功能多但边界不完整，case 越测越多。加加减减，总天数没怎么变。 
这个指标不用精确到小时。抽最近三个已上线的需求算个平均值就行。
第二个：PR 平均改动轮次-代码质量。
一个 PR 从创建到合并，中间经历了几轮改动。这个数代码托管平台（GitHub/GitLab）直接有，不用区分 AI 代码还是手写代码------统计的是全量。
我们的数据是：刚上 AI 的时候，PR 平均要 3-4 轮才能合进去。后来 CLAUDE.md 规范配齐、Skill 跑稳，降到了 1.5 轮。轮次越多，意味着 review 越累、提交越碎、合并越慢。编码省下来的时间，被反复 review 和修改吃得一干二净。 这个数是最能暴露"AI 写得快但写不对"的指标，也就是评估代码的质量。
第三个：Token 成本。
每个月的 API 账单是多少，同期交付了多少个需求。两个数一除，就是一个需求的平均 token 成本。
这个数不难拉------API 后台直接导出。 
我见过一个团队半年 token 账单翻了五倍，交付需求数只涨了 30%，我都怀疑是不是员工拿公司账号做中转站去了。另一个视角是：跟人力成本比。一个中级前端月薪两万，AI 一个月的 token 账单两千，就算只是把编码速度翻了一倍，也是赚的。token 费只要小于省下来的人力成本，这笔账就平了。 怕的不是花得多，是花了钱产出没变------账单翻了五倍，人力成本一分没少。
你现在属于哪一档
| 阶段 | 端到端交付周期 | PR 平均轮次 | Token | 该干什么 |
|---|---|---|---|---|
| 刚上 AI | 跟手写差不多 | 3-4 轮 | 净支出，产出没变 | 先别管度量，把 CLAUDE.md 写好 |
| 用过一阵 | 略有缩短 | 2-3 轮 | 花得多，产出开始涨 | 建产品 Skill，需求翻译先上 |
| 有规范 | 明显缩短 | 1.5 轮 | 花得值了，产出跟上来了 | 补全 8 个 Skill，闭环跑通 |
| 全链路 | 质的飞跃 | < 1.5 轮 | 花得越多越赚 | 上多 Agent 并行 |
大部分团队卡在"刚上 AI"和"用过一阵"之间。核心瓶颈不是模型，是没有规范底座------AI 每写一行代码都在猜团队的约定，猜不准就产出一堆需要反复 review 的代码。
明天上班，拉三个数就行
不用写总结报告，不用跟老板证明 ROI。你只需要几个数字，让自己知道起点在哪。
第一件事，拉交付周期。 从项目管理工具里抽最近三个已上线的需求，算一下从评审通过到上线的天数。三个就够。跟去年同期比。不用告诉任何人答案。
第二件事，看 PR 轮次。 打开 GitHub 或 GitLab，随机抽 10 个最近的 PR，看平均合入轮次。如果大部分要 3 轮以上，说明 AI 代码看起来工整但质量不过关，review 在帮你擦屁股。
第三件事，拉 token 账单。 打开 API 后台，导出最近三个月的月度支出。简单除一下同期交付的需求数，看趋势是往上还是往下。
三件事做完，你手上三个数：周期、轮次、成本。不要美化，不要跟老板汇报。半年后拉一次对比，你才知道自己真的进步了多少。
度量是拆穿自欺，不是炫技
最大的坑不是数据难看。是为了证明 ROI，只收集好看的数据。领导信了，团队信了，季度复盘才发现钱花了、业务结果没变。更难堪的是------三个月前你自己做的 PPT，现在得自己解释为什么它不准。
好的度量不是为了证明你做对了。是为了告诉你该修哪。
还有一层更深的作用。那个团队的出码率从 30% 涨到 70%，不是靠管理层喊话，是靠每个人盯着数字自己琢磨"怎么让 AI 多干一点"。数字没有魔力，但当每个人都看得到自己的数字时，行为就会变。
三个数摆出来，你自然知道下一步该干什么
- 周期没变？看非编码环节哪里卡。
- PR 轮次高？看 CLAUDE.md 写没写清楚命名、封装约束、常见坑。
- Token 涨得比产出快？优化提示词和 Skill，砍冗余上下文，灭无效多轮。
你的团队可能卡在需求不规范，他卡在 CLAUDE.md 是空的，另一个卡在根本没拉过这三个数。度量让问题显形。不度量就只能靠感觉。
下次有人跟你说"AI 提效 2 倍"，不用反驳。把这三个数往桌上一放，他应该会闭嘴
欢迎大家关注我的公众号：深入浅出AI
