usage metrics
统计谁在多大程度上、以何种方式使用了某个AI服务或工具的用量数据。
简单来说
使用量指标(usage metrics)就像一张成绩单,用数字告诉你某个服务到底被用了多少。打个比方,健身房里每次刷会员卡都会留下一条入场记录,还有一张表记录每位教练的课上来了多少人。管理者正是靠这些数字来判断该扩大哪个服务、该缩减哪个服务。
问题出现在同时使用多个服务的时候。如果健身房只有一位教练,只统计入场次数就够了;但教练变多之后,就必须按教练把「谁的课来了多少人」分开统计,才能进行有意义的比较。像这样把项目拆分得足够细来统计,正是设计使用量指标时的关键。
还有一点需要留意:名字看起来相同的数字,如果统计方式不同,其实可能代表完全不同的值。不能因为两个字段名字一样,就把它们直接相加或视为等同——这样做会让人误读真实的使用情况。
在报道中是这样出现的
文章提到,"GitHub Copilot使用量指标API发布了一项新功能,可按各个第三方代理应用分别报告其活动情况。"这里需要注意一个容易混淆的地方:新增字段user_initiated_interaction_count和原本已存在的同名顶层字段,统计的对象并不相同。不能因为名字相同就把这两个数值相加或视为同一个东西。
亲手试一试
在你平时使用的AI服务或开发工具的管理后台/账户设置里,找一下使用量或账单相关的菜单。1) 看看按日、按月的使用次数是如何拆分显示的。2) 如果你同时使用多个工具或功能,比较一下数字是按项目分开显示,还是被合并成了一个总数。3) 如果发现两个名字相似的字段,去说明文档里查一下各自具体统计的是什么,确认它们是否其实是不同的数值。