为使用 SVN 的大型遗留代码库做自动审查时，我把质量分析、代码图谱、语义检索和运行时查证接进流水线。除了生成建议，还需要知道建议是否有依据、用户是否采用，以及一次审查花了多少时间和 token。

成本比较需要一个质量前提

内部对照评测中，在保持查证率的条件下，流水线的 token 消耗约为对照 Agent 方案的六分之一，执行时间约为十分之一。

这里的前提与结果同样重要。如果只比较消耗和耗时，就无法判断节省是否来自少做了必要的查证。这个结论限于内部评测，不能据此推断所有代码库、所有任务都会得到相同收益。

采纳和正确反馈不是一回事

常态运营后，系统平均每晚处理 5 千多次请求，用户采纳率约 9％。已收到的反馈中，正确反馈占比约 76％，计算方式是“正确反馈数／反馈总数”。

9％ 描述用户的采用行为，76％ 描述已收到的反馈。没有反馈的请求不在后一个分母里，因此不能把它当作全部审查请求的正确率。这也是我开发反馈分析页面、收集操作与评论的原因：汇总值之外，还需要看到具体意见。

让指标服务于下一次修改

我希望评测能帮助回答一个具体问题：下一步应该改哪里？查证不足时，检查依据如何取得；建议未被采用时，结合评论理解原因；耗时上升时，再沿请求链路排查。

把这些问题分开，才能讨论质量、时间与成本之间的取舍。一个看上去不错的数字，本身还不是结论。