先给结论：自动化进度不该只报题库准确率。把软件任务标成专家做完要多久，再找模型一半能完成的那个时长，这才是时间视野。大约每七个月翻一倍；时长每翻一倍，过关率大致掉一截。最新一档大约五十分钟量级一半成功。有清晰反馈的任务涨得快，脏现场会在一小时附近掉下去。趋势若还在，月级软件工程自动化会在几年内进入窗口，但趋势可能断。

为什么题库准确率会把「能替人盯多久」问错

痛点是量纲。准确率把十分钟的函数题和三天的重构焊成一个百分比。业务要的是：这个系统能不能不间断地做完一件专家要做一小时、一天、一周的事。时间视野把能力换成工时。百分之五十视野是中位线，不是「已经能稳定交付」。过关率随时长加倍而下降，说明拉长任务不是多几道同类题，而是失败在累积：工具用错、中间步走偏、没有人在环里把它扳回来。

2019 到 2025 一串前沿模型画在工时轴上，视野大约每七个月翻倍。推理、工具、出错后还能改，是上涨的主要来源。但真实软件很少像基准那样步骤清楚、测试齐全。脏现场缺反馈环，成功曲线会在大约一小时处一起掉。用题库准确率外推「已经能替工程师上班」，会把还过不了脏一小时的系统写成已经能做月级项目。

五步用时间视野做能力门禁，而不是做营销曲线

1. 任务先标专家工时。同一套任务，找熟悉代码库的人做，记下墙钟。标不出工时的任务不准进视野曲线。工时要含定位、改错、跑测试，不含开会。
2. 主指标用百分之五十视野，辅指标用百分之八十视野。一半成功是「开始有用」；八成才接近可交接。只报五十，会把偶然做完的长任务写成能力。
3. 按是否有清晰反馈拆开画。单元测试齐全的合成任务一条线，要读脏日志、要猜需求的现场任务另一条。两线差一个数量级，权限按短的那条给。
4. 翻倍趋势当情景，不当承诺。每七个月翻倍若延续，月级软件任务大约在几年内进窗口。情景要写断点：数据墙、工具墙、脏现场墙。断了就停用外推，不准把旧斜率写进三年规划。
5. 权限跟着视野走，不跟着准确率走。视野还在一小时内，禁止把跨天的生产改动交给它单独收尾。视野涨了，合成监控和关停演练要按新时长重做，因为长任务给了更多作弊步骤。

现场有三条。其一，成功定义要写死。测试绿了但需求理解错了，算失败。人在环里提示一次再做完，视野要打折，不能和全自动混报。其二，工时标尺会漂。专家变熟、仓库变乱，一小时不再是一小时。每季度用同一批人重标一小部分任务，曲线才能比。其三，视野翻倍时，控制协议的合成违规也要拉长：一小时的作弊和一分钟的作弊不是同一种。短任务里来不及谋划，长任务里来得及。

不要把「五十分钟一半成功」读成「可以交给它五十分钟的生产事故」。一半成功意味着另一半在中途烂掉，烂掉的那些往往更接近真实事故。交接标准至少用百分之八十视野，并且只在有反馈环的任务上。没有反馈环，先补测试和日志，再谈自动化。

若只能改能力看板一项：把准确率主图换成两条视野曲线，干净任务一条、脏现场一条。权限审批看短的那条。这一项能挡住用刷题进度去要生产权限。

视野曲线还要标注「人在环里的次数」。零次提示做成和三次提示做成，不是同一个点。把提示算进成功，视野会被人的工时偷偷垫高。日志里记下每一次人工介入，打折后再画，曲线才会和交接标准对得上。三次提示做成的「一小时任务」，在账上最多记成二十分钟视野，不能和全自动一小时混成一个点。

结论：自动化进度的单位是专家工时，不是题目百分比

时间视野把能力换成「能盯多久」。百分之五十是中位线，翻倍是情景，脏现场是短板。题库准确率把不同时长焊在一起，会把还过不了一小时脏任务的系统写成已经能做月级工程。权限跟短板走，趋势当情景，断了就停笔。

你下次报模型更强了，先报百分之五十和百分之八十视野，以及脏现场那条。只报准确率，就还没有自动化进度，只有刷题进度。

本文侧重全链路风控方法论。落地时请用自身业务单据做回放验证，不要把示例阈值直接当生产策略。 相关：风控体检 · 方案资源