Dogfood Bench 上线：用数据衡量 Claude Code 修复 issue 的效率

Anthropic 用 Claude Code 来开发 Claude Code。如果 AI 确实让软件工程师更高效，这种效果就应该体现在 claude-code 的 issue 追踪器里。这个页面就是来度量这件事的。 说明：这个页面 100% 是用 Claude Code 凭感觉写出来的。如果数字有错，那本身也是一个数据点。 每周修复的 issue 数，除以该周新开的 issue 数。虚线是判定窗口内的最小二乘趋势线。 每周新开的 issue（折线）与关闭的 issue（柱状）。只有「fixed」才算修复。 某周新开的 issue 中，30 天内被修复的比例。不足 30 天的周不纳入统计。 某周修复的 issue 中，从开启到关闭的中位时长。 一个脚本通过 GitHub API 读取仓库里的每一个 issue，记录每个 issue 的开启时间、关闭时间以及关闭原因。每次关闭按其原因归入一个类别。是谁关闭的并不重要，毕竟修复按理说都来自 AI。 只有标记为 fixed 的 issue 才算作工作量的证据。页面只使用完整的 UTC 周。竖线标记模型发布时间。数据每天刷新。最近一次抓取：未知。 局限：「completed」是有人在 GitHub 上关闭 issue 时的默认原因。有些 issue 以 completed 关闭但其实并未修复，比如报告者自己放弃了。issue 数量也会随用户数增长，所以修复率下降可能意味着产品变火了，而不是在衰退。这是一个半认真的 benchmark。 与 Anthropic 无隶属关系。源码在 GitHub 上。