GitHub mostra quanto gli sviluppatori seguono le review di Copilot
Testo scritto con l’intelligenza artificiale a partire da una fonte citata, senza revisione umana prima della pubblicazione.
La Usage Metrics API ora fornisce un oggetto copilot_code_review per misurare quante segnalazioni di Copilot vengono effettivamente prese in carico nei repository.
GitHub aggiunge alla Usage Metrics API un oggetto che misura cosa succede ai commenti di Copilot nelle code review dei repository. Le nuove metriche dicono quante segnalazioni sono state prese in carico dagli sviluppatori e quante pull request sono state mergeate senza richieste di cambiamento da parte di persone dopo la prima review di Copilot1.
Il cambiamento arriva nei report enterprise e organization a livello repository, nella vista repos-1-day. Ogni riga ora include l’oggetto copilot_code_review. I valori sono zero e gli array vuoti quando il repository non ha attività di Copilot code review in quel giorno1.
Due campi definiscono il tasso di addressed per repository. total_comments_evaluated conta quanti commenti di Copilot sono stati controllati per verificare se lo sviluppatore ha agito. total_comments_addressed conta quanti di quei commenti hanno avuto seguito. Per calcolare il tasso si divide total_comments_addressed per total_comments_evaluated1.
Il campo addressed considera più modi di agire: conta se qualcuno applica il suggerimento già pronto, se chiede a Copilot di fare la correzione, se modifica il codice in autonomia, o se risponde che la correzione arriverà in una pull request successiva. Questi casi superano la sola applicazione di una suggestion, che rimane misurata altrove nei report come pull_requests.total_copilot_applied_suggestions. Le nuove metriche coprono ogni commento valutato e lo segnano come addressed quando lo sviluppatore interviene in uno dei modi riconosciuti1.
Le metriche si articolano per categoria. Sono disponibili breakdown per gravità, livello di review, tipo di commento e personalizzazioni. I campi review_comments_by_severity, review_comments_by_review_tier, review_comments_by_comment_type e review_comments_by_customization riportano, per ciascuna dimensione, i conteggi dei commenti valutati e di quelli addressed. Gli esempi nelle categorie includono gravità alta, media e bassa, tier lite, balanced e max, tipi come bug, security o custom per linee guida di repository, e personalizzazioni come custom instructions, skills, server MCP o nessuna personalizzazione1.
Un’ulteriore metrica misura l’effetto della prima review di Copilot. total_merged_no_human_change_request_after_review conta le pull request che Copilot ha revisionato e che sono state mergeate senza che poi una persona chiedesse cambiamenti. Questo campo include anche pull request aperte da bot, come Copilot cloud agent, che di norma non entrano nella valutazione dei commenti addressed1.
Le valutazioni dei commenti avvengono al merge della pull request. Il conteggio ricade sul giorno del merge, non sul giorno in cui Copilot ha pubblicato i commenti1.
L’accesso resta riservato a ruoli specifici. Possono vedere i report gli enterprise owner, gli enterprise billing manager, gli organization owner e chi ha un ruolo personalizzato con il permesso View Copilot Metrics. Per abilitare la visibilità serve attivare la policy Copilot usage metrics. La documentazione della Usage Metrics API spiega come iniziare a usare i nuovi campi nei report repos-1-day1.
Per chi usa personalizzazioni, i breakdown per customization offrono un riscontro diretto su custom instructions, skills e server MCP: mostrano se incidono sul tasso di addressed del repository e quali tipi di commenti vengono recepiti1.
Fonti
Come è nato questo articolo Scritto da un sistema di intelligenza artificiale, con controlli automatici
Millebit non ha giornalisti che scrivono gli articoli: li scrive un motore editoriale basato su modelli di intelligenza artificiale, a partire dalle fonti elencate qui sopra. Prima di uscire, ogni testo passa questi controlli:
- Rilettura. Un passaggio toglie i tic della prosa generata da un modello, come i contrasti costruiti e le frasi che annunciano invece di informare, senza toccare fatti e fonti.
- Fedeltà alle fonti. Un passaggio dedicato toglie ogni affermazione che le fonti non sostengono. Valutazione su questo pezzo: 10/10.
- Anti-cliché. Un filtro scarta frasi fatte, enfasi e tic della prosa artificiale: superato.
- Giudizio editoriale. Un modello valuta il pezzo su sette criteri (apertura, chiarezza, economia, concretezza, voce, struttura, fedeltà) e sotto 7,8/10 non si pubblica. Questo articolo ha preso 8,2/10.
I controlli riducono gli errori ma non li eliminano: un modello può fraintendere una fonte. Per le decisioni importanti, risali alla fonte originale. Se trovi un errore, segnalacelo.
Per vedere Millebit nelle notizie principali di Google, aggiungilo alle tue fonti preferite. Oppure segui l’edizione di oggi, il feed RSS o La Sintesi.