核对看板、API 与导出差异
先对齐人群、窗口、遥测覆盖和导出时间,再检查异常。
Usage 看板、API 与 NDJSON 使用共同遥测,但聚合与展示不同。数字不一致时,先确认比较的是同一指标、范围和时间窗口,再判断是否采集出错。
核对顺序
- 确认比较的是用量、席位还是计费:这些数据源职责不同。
- 对齐企业、组织、用户、团队或仓库范围;多组织、多团队可重复归属同一用户。
- 核对日期与滚动窗口,尤其是当天人数、七日/28日去重人数与日历月至今。
- 检查客户端版本、遥测开关和上报网络;服务端补入的用户可能没有细分活动。
- 留出处理延迟后重新导出,再比较相同指标。
常见差异
| 表现 | 先检查什么 |
|---|---|
| 总活跃人数高于细分数组 | 仅有服务端信号的用户可能没有 feature / language / model / LoC 明细 |
| 企业总数小于多个组织相加 | 企业去重,组织按成员分别统计 |
| 团队合计与实体不同 | 同人多团队,以及少于五席团队被排除 |
| API 有 Unknown,看板没有 | 看板不展示 Unknown,API / NDJSON 为完整性保留 |
| 近期出现下降或空白 | 异步遥测尚未处理,或导出时间早于后来补入的数据 |
| Impact 人数与日聚合阶段不一致 | 看板按28天人群,total_engaged_users 仅当天活跃 |
数据可用时间的来源差异见采集与刷新。导出是当时快照,不会随源数据后续更新自动改变。
Unknown 不等于丢失
语言 Unknown 可能是客户端无法识别文件语言;feature Unknown 可能来自旧客户端的通用事件;model Unknown 可能没有模型标识,辅助操作还可能显示非面向用户的内部模型。
升级客户端有助于提供更丰富明细,但不应在分析脚本中丢掉这些行后又声称汇总覆盖完整数据。
同名与相似字段
- CLI 的 request_count 包含自动后续调用,与 prompt_count 不同。
- Agent apps 嵌套
user_initiated_interaction_count计 jobs,顶层同名字段计明确提示。 - CLI MCP interaction_count 计连接尝试,不是 MCP 工具调用量。
- VS Code Agents window 周/月人数按日历期,普通 weekly / monthly_active_users 按滚动七日/28日。
- Agent 编辑不走“建议→用户接受”,不能把零接受次数当作未执行。
聚合方法
对量进行求和、对人进行去重、对比例使用一致分母。不要相加每日独立用户数或直接平均不同规模团队的接受率来代替整体口径。
模型图表只含 Chat,不应拿来还原全部补全活动。阶段采用规则也不能仅靠 used_agent 或接受计数推导,详细定义见采用阶段。
用差异解释工作流
低采用可能与权限、配置或任务类型有关;PR 输出变化也可能受项目复杂度和团队组成影响。对齐口径后,结合用户反馈和多个时期观察,避免把某个高计数直接解释为收益或工作质量。