一句话看懂：GitHub 在企业与组织级的 Copilot 使用指标 API 中新增代码审查详情字段，除“有多少人点了应用建议”外，还能看到开发者以修改代码、回复评论等方式实际采纳了多少审查意见，并据此计算每个仓库的“已处理率”。
事件核心：发生了什么
GitHub Changelog 显示，企业与组织级按仓库汇总的 Copilot 使用指标报告，在 repos-1-day 的每一行数据中新增 copilot_code_review 对象。它记录两类此前缺失的信息：一是 Copilot 审查过的合并 PR 中，在 Copilot 首次审查后没有人工再发起变更请求的数量；二是被评估的 Copilot 审查评论总数，以及开发者以应用建议、让 Copilot 代改、手动编辑代码或回复“后续 PR 再修”等方式处理过的评论数，两者相除即得到每个仓库的已处理率。指标还按严重级别、审查层级、评论类型（如 bug、安全、自定义规范）和定制来源（自定义指令、skills、MCP servers 等）给出拆分数。评论在对应 PR 合并时计入，因此归入合并当天。
为什么重要
原有 pull_requests 字段只能反映 Copilot 代码审查跑了多少次、建议被一键应用了多少次，而现实中多数反馈会以其他方式落地，单看应用数会低估采纳情况。新指标把“审查是否真正影响代码”变成可量化维度，也为企业评估自定义指令、skills 和 MCP servers 是否提升审查质量提供了数据基础。对 Copilot 这类 AI 编程助手而言，审查环节的商业价值正从“生成建议”转向“被采纳的效果”，指标口径的细化是这一转向的基础设施。
对用户/开发者/创作者的影响
企业所有者、计费管理员、组织所有者以及拥有“查看 Copilot 指标”权限的自定义角色可访问上述报告，前提是已启用 Copilot 使用指标策略。对平台与研发团队而言，这意味着可以用已处理率、合并后是否仍被要求修改等数据，判断是否值得扩大 Copilot 审查的覆盖范围，以及哪类严重级别或定制配置的评论更有效。需要注意的是，Copilot 通常不评估由机器人（如 Copilot 云代理）发起的 PR 评论，但“合并后无人工变更请求”一项仍包含这些 PR。
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。
值得关注的后续
目前公开信息显示，这些字段仅覆盖企业级和组织级按日汇总的报告，后续是否延伸到团队或更细粒度维度值得观察；企业如何解读已处理率、是否将其纳入采购与推广决策，将影响 Copilot 审查功能的实际渗透；此外，定制指令、skills 与 MCP servers 对审查效果的影响目前只体现在计数拆分上，尚缺跨仓库的横向对比口径。
