一句话看懂：GitHub 在 Copilot 用量指标 API 中大幅扩展 Copilot App 的追踪粒度——从过去仅能看到企业组织总量，变成可按用户、功能、模型、语言等维度分别查看，使管理者能精确识别 App 的采用者与代码产出。
事件核心：发生了什么
据 GitHub Changelog 2026 年 7 月 28 日更新，Copilot 用量指标 API 新增多项针对 Copilot App 的统计字段：
- used_copilot_app：标记指定用户在某日是否在 Copilot App 中有活动；
- totals_by_copilot_app：用户级别的分项数据，包含会话数、请求数、提示数，以及 token 用量的详细拆分（输出 token 和、输入 token 和、每次请求平均 token 数）；
- copilot_app 特征值：App 活动现已出现在 totals_by_feature、totals_by_model_feature、totals_by_language_feature 以及 totals_by_language_model 等汇总中；
- 代码活动指标：顶层代码生成、代码接受、增加行、删除行等统计均已纳入 Copilot App 活动；
- 每日活跃用户：现在也计入仅通过 Copilot App 活跃的用户。
这些新指标在企业和组织的 1 天及 28 天报告中均可获取，需要拥有 View Copilot Metrics 权限（企业所有者、账单管理员、组织所有者等）并启用 Copilot usage metrics policy。
为什么重要
此前 Copilot App 的使用数据仅以企业/组织级别的总量存在，管理者只能知道“有人在用 App”，却无法定位具体用户、无法分析其产出效率。此次扩展将 App 活动归入与 IDE、聊天、代码审查、编码代理相同的标准字段体系中，使企业能够：
- 识别 Copilot App 的早期采用者与粘性用户；
- 量化 App 生成的代码量（行数、token 消耗、接受率等）；
- 直接对比 App 与其他 Copilot 界面（如 IDE 内嵌、Chat）在不同模型和语言下的表现。
这一变化实质上是将 Copilot App 从“黑盒总量”升级为“可分层解读的指标”，有利于组织评估不同交互方式在员工工作流中的真实价值，并优化 AI 编码工具的采购与推广决策。
对用户/开发者/创作者的影响
企业管理者：可以建立更精细的 ROI 分析——例如对比使用 Copilot App 的团队与仅使用 IDE 插件的团队在代码产出、接受率上的差异，从而调整培训重点或工具分配。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
开发者个人：隐私级别不变——只有拥有权限的管理者能查看聚合后的用户级数据，不会暴露个人代码内容。开发者无需担心个人使用习惯被滥用。
第三方 API 集成者：新增字段向后兼容，原有字段形状不变。现有监控仪表盘可直接添加 used_copilot_app 与 totals_by_copilot_app，无需改造代码。
值得关注的后续
1. Copilot App 的数据横向对比（与 IDE、Chat、Coding Agent）是否会催生 GitHub 官方的最佳实践建议或默认配置推荐；
2. 这些细粒度指标是否会在未来公开 API 中开放给普通用户（非管理员），用于个人效率分析；
3. 竞品如 Amazon CodeWhisperer 或 Google Codey 是否会快速跟进类似的用户级 App 用量追踪能力，以应对企业采购时的对比需求。
