成功指标与 KPI

三层指标：P0 阶段验收（每阶段闸门）、P1 北极星（整体存活）、P2 长期质量（运营期）。每条都给具体数字，便于「过没过」的二值判断。

P0 · 阶段闸门指标（每阶段必须 100%）

阶段	指标	目标	测量方式
P1	curl 一句话需求 → 三份文档落盘	≥ 90% 成功率（10 次抽样）	integration test
PRD/SDD HTML 通过 cheerio 校验	100%	DocStore.validateHTML
units.json schema 校验	100%	typebox
P2	单 Unit 红→绿收敛率	≥ 80% 在 3 次 retry 内	10 个 demo Unit 跑 100 次
retryWithReflection 二次失败率	≤ 30%	同上
沙箱越权写	0 次	越权写直接拒绝
P3	「contract_mismatch」演示自愈	≥ 90% 一轮内修复	注入 5 种典型 mismatch
L2 总修复轮次	平均 ≤ 1.5	同上
impl_bug 与 spec_ambiguous 归类正确率	≥ 85%	30 个标注 case
P4	Dashboard SSE 端到端延迟	≤ 2s（P95）	手动 stopwatch + 浏览器 perf
PRD diff 面板渲染正确率	100%	10 个 rev 切换
L3 反馈 → 增量 reset 准确率	≥ 95%	diff_units 单测

P1 · 北极星 KPI（系统整体）

速度

「TODO API + 前端」从需求 → shipped 端到端

成本

Token / 上述 demo

无人化率

≥ 80%

项目从启动到 shipped 不需人工干预的比例

在 P4 演示日同时满足三条 = 系统达成 MVP。任意一条不达就视为失败，回到 P3 调优。

P2 · 长期质量 KPI（运营期）

维度	指标	目标	采集
收敛性	blocked 项目比例（30 天内）	≤ 10%	UnitRegistry 累计
收敛性	l2_exhausted 比例	≤ 5%	LoopController 日志
质量	shipped 项目人工返工率	≤ 20%	人工标注
质量	contract.json 与 SDD 一致性	100%	DocStore 校验
反思有效性	retry-2 比 retry-1 失败率降幅	≥ 40%	runs/result.json 统计
成本	平均 Token / 项目	持续下降趋势	token_budget 累计
速度	平均墙钟 / 项目	≤ 1 小时	project.json 时间戳
文档健康	PRD section 与代码 unit 对齐率	≥ 90%	每周脚本扫描
复现力	外部 Claude Code 复现成功率	≥ 70%	季度复现实验

反指标（不要追的东西）

• 不追「项目数量」 — 一个跑通的项目 >> 十个挂起的项目。
• 不追「代码行数」 — Coder 写 200 行能解决的就不要 500 行。
• 不追「Agent 调用次数」 — 调用次数越多越花钱，不是越「努力」越好。
• 不追「PRD rev 数量」 — rev 多说明需求不清晰，不说明产品丰富。

验收清单（P4 演示日）

#	项	判定
1	从空项目 curl 启动 TODO 需求	30s 内 prd.html v1 落盘 ✓
2	L1 全部 Unit 通过	≤ 3 次 retry / Unit ✓
3	L2 通过	≤ 1 次 L2 round ✓
4	追加「加 OAuth」反馈	仅 oauth-be + oauth-fe + auth-mw 入 L1，其他不动 ✓
5	注入 contract mismatch	BugTriager 一轮内修复 ✓
6	Dashboard 全程实时跟随	SSE 不丢、不重复 ✓
7	shipped 后归档	history/ 完整 ✓
8	外部 Claude Code 用 PRD 复现整套 DevLoop	5 文件 + 6 模板生成，单测 ≥ 80% 绿 ✓

8 项全 ✓ → 系统可对外宣布 v1.0。