股票 
板块 
用户 
资讯 让每一轮人机交互清晰可见，让每一分AI投入有据可依。
当AI编程助手成为开发者的"新同事"，软件研发正加速迈入人机协同的AI原生时代。各类AI Agent工具深度嵌入研发生命周期，工程师的工作重心，正从"写代码"转向"写规格、审结果、定标准"。如何衡量人机协同创造的价值，正在成为全球软件工程的新命题。然而，效率红利背后，新的管理命题接踵而至：
AI生成代码的过程难以追溯，效率与质量如何评判？
成千上万开发者的Token消耗，究竟换回了多少有效产出？
不同模型、不同工具、不同Prompt策略，谁的投入产出比更高？
当AI的使用呈"个体随意、组织失控"之势，传统的研发效能度量体系已无法作答。若不做体系化升维，AI红利可能演变为AI黑洞。
今天，东软正式发布"东软观度"——AI原生人机协同效能可观测平台，以全链路可观测与精细化度量，为企业AI原生研发的规模化落地提供确定性支撑，以体系化创新探索我国AI原生软件工程效能治理新范式。
三大核心能力
看得清、量得准、调得优
看得清
执行过程透明化，打开AI研发的"黑盒"
平台基于OpenTelemetry GenAI语义规范，采集每次AI对话请求的完整调用链，还原"用户输入→模型推理→工具调用→代码修改→成果输出"的全链路轨迹。管理者与开发者可以清晰查看Agent在每个环节的决策依据、Token消耗与低效节点，让AI参与编码的全过程可回溯、可审计、可管控。
量得准
AI效能可度量，从主观感受到客观数据
围绕AI辅助研发的核心效能维度，东软观度建立了多层级指标体系：
成本维度：按任务、订单、项目精细归集每次用户会话的Token消耗与API调用费用，让每一分成本落到具体业务；
产出维度：采集代码变更行数、修改文件数量，结合数字化生产系统识别真实采纳与产出，区分AI的有效产出与无效输出；
效率维度：统计工具调用、Skill使用分布、缓存命中率、任务完成耗时，量化AI对研发节奏的实际影响；
异常消耗：追踪低效交互、模型异常消耗、推理过程污染问题，及时预警多轮循环调用等成本及质量风险。
调得优
人机协同可优化，让效能提升走向数据驱动
平台支持将真实执行轨迹转化为评估数据集，量化对比不同模型配置、Prompt策略、Skill组合下的效能差异，淘汰高消耗低产出的配置。依托PDCA持续改进机制，指导开发者优化Spec及提示词、调整任务拆解、改进工具配置，形成"观测→评估→优化"的完整闭环。
开放底座
不绑定工具，不绑定模型
东软观度不依赖任何特定AI工具的统计数据，而是构建于OpenTelemetry这一开放标准之上，提供常用AI Agent工具的采集适配方案，并支持多模型能力横向对比。无论企业采用国产私有化模型、国产公有云模型还是国外公有云模型的多元供给策略，东软观度都能提供统一、客观的度量标尺，帮助企业建立独立的模型评估能力，避免被单一供应商绑定。
东软实践
以透明换信任，以度量促成长
作为平台的首个规模化用户，东软已将东软观度深度应用于自身AI原生研发体系，支撑SDD（规格驱动开发）模式的规模化落地：
当前，日常覆盖3000+开发人员，支撑数百量级在行项目；
精准度量项目SDD模式的应用广度、深度及成效；
工程师的AI成本意识及人机协作能力显著提升；
Token成本实现按项目精细归集，AI成本核算有证据、预算有依据；
效能度量从"结果事后统计"升级为"过程实时可观测"、AI治理从"事后追责"走向"事前预警"。
在东软，东软观度不仅是一套度量工具，更是一种协作文化的载体：全链路Trace向工程师开放，度量被定位为成长工具而非考核工具。透明呈现每一轮人机交互，工程师才敢把关键任务托付给AI；信任建立之后，协同的摩擦消耗随之下降——以透明换信任，以信任降成本。
让AI原生研发
行稳致远
AI原生时代的研发管理，需要回答的不再只是"写了多少代码"，而是"人与AI共同创造了多少价值"。
东软观度的发布，标志着东软在AI原生软件工程领域完成了从开发范式、开发平台到效能度量的体系化布局。立足国际开放技术标准，依托3000多名开发人员的规模化实践，东软观度探索形成覆盖AI执行过程、研发效能、成本治理与持续优化的人机协同效能治理体系，展现了东软在AI原生软件工程领域的系统性创新能力。
东软观度是东软《数据驱动的AI原生软件工程战略发展白皮书》中AI战略落地的关键实现，将与东软NeuSDA资源运营管理平台协同联动，共同支撑东软AI战略落地。未来，平台将持续深化人机对话语义分析、Skill复用效能管理、人机交互安全审计、Spec决策链路知识挖掘等能力，并将度量从研发效能延伸至业务价值闭环，为企业的AI FinOps与人才AI能力提升提供长期决策依据。
观其象，度其势。东软愿与行业伙伴一道，让AI原生研发的每一步，都清晰可见、行稳致远。
评论 (0)