怎么知道生效了

scripts/metrics.sh

每周一跑一次，输出直接贴进周报。rework 与 review_mix 里的关键词按项目实际的评论用语改。

#!/bin/sh
# 每周一跑一次：sh scripts/metrics.sh
set -e

echo "门禁拦截次数:   $(gh run list --status failure --limit 50 \
                        --json conclusion | jq length)"
echo "跳过用例数:     $(pytest -q 2>&1 | grep -c SKIPPED || true)"
echo "超限函数数:     $(ruff check --select C901 . --statistics | wc -l)"
echo "仓库说明行数:   $(wc -l < AGENTS.md)"
echo "评测通过率:     $(python eval/run.py --set core | tail -1)"

# 返工率：近 4 周内被改动两次以上的文件数 ÷ 被改动过的文件数
rework() {
  git log --since="4 weeks ago" --name-only --pretty=format: \
    | grep -v '^$' | sort | uniq -c | awk '{if ($1>1) r++} END {print r/NR}'
}

# 格式类评审意见占比：近 10 次合并请求的评论里含格式类词的条数 ÷ 总条数
review_mix() {
  gh api repos/:owner/:repo/pulls/comments --paginate \
    --jq '[.[].body] | (map(select(test("空格|缩进|引号|换行|行宽"))) | length)
                       / (length)' 
}

docs/metrics/2026-W40.md

判定一列只写「达标 / 未达标 / 超线」，不写解释——解释放在「本周发现」里。

# 第 40 周质量与用量

- 统计窗口：2026-09-28 ~ 2026-10-04
- 采集人：李（轮值）
- 采集命令：sh scripts/metrics.sh

## 指标

| 指标 | 本周 | 基线 | 目标 | 判定 |
|---|---|---|---|---|
| 门禁拦截次数 | 3 | 0（首次采集） | ≥1/周 | 达标 |
| 格式类评审意见占比 | 12% | 41% | ≤20% | 达标 |
| 返工率 | 9% | 14% | 相对基线降 ≥20% | 达标 |
| 跳过用例数 | 1 | 0 | 不增长 | 超线 |
| 超限函数数 | 2 | 4 | 不增长 | 达标 |
| 评测通过率（core 40 题） | 78% | 68% | ≥80% | 未达标 |
| 仓库说明行数 | 151 | 143 | ≤200 | 达标 |

## 本周发现

1. 跳过用例 +1：tests/api/test_search.py::test_pagination 被 skip，
   理由只写了「待修」。已建 issue #57，负责人：王，期限 2026-10-08。
2. 评测通过率 78%：错的 9 题里 4 题是 no_answer 类，模型编造了出处。
   下周把判分规则里「无答案必须拒答」的权重从 1 提到 3，并补 4 条测试。
3. 返工率下降但仍有 9%：两次返工都改在 app/kb/data.py 的同一个查询上，
   与本周的 class-isolation 变更重叠，暂不追加动作，下周继续观察。

## 下周动作

- 把「无答案必须拒答」写进 openspec/specs/kb-answer.md 的 Scenario，
  并补 4 条测试进 make check。负责人：张，期限 2026-10-11。

助手交出来的样子

| 指标 | 本周 | 基线 | 目标 | 判定 |
|---|---|---|---|---|
| 门禁拦截次数 | 0 | 0 | ≥1/周 | 达标 |
| 格式类评审意见占比 | 18% | 41% | ≤20% | 达标 |
| 返工率 | 13% | 14% | 降 ≥20% | 达标 |
| 跳过用例数 | 0 | 0 | 不增长 | 达标 |