# 1. DORA 报告的核心发现（AI 提升个人生产力但组织级交付吞吐与稳定性下降）对研发效能管理有什么启示？ A AI 提升吞吐就说明效能提升 B DORA 报告只关注部署频率 C AI 提效后无需关注质量 D AI 提升吞吐同时可能增加不稳定，效能管理必须吞吐+质量+稳定并重，用门禁与灰度控稳定 ✓ 正确答案
# 2. AI 采纳如何纳入 DORA 四关键指标，部署频率、变更前置时间、变更失败率与恢复时间在 AI 辅助下如何解读？ A AI 采纳后只关注部署频率即可 B AI 采纳必然使 CFR 上升 C AI 采纳后四个指标孤立看即可 D 吞吐指标（DF/LT）与质量指标（CFR/MTTR）联动解读，警惕 AI 提效以 CFR/MTTR 恶化为代价 ✓ 正确答案
# 3. “AI 效能悖论”下加速交付与质量稳定性的门禁、灰度、评审平衡机制如何设计？ A 为保稳定应放弃 AI 提效 B AI 生成代码应直接上线无需控制 C 用质量门禁、灰度发布与关键评审控制不稳定，按风险差异化，让 AI 提速与稳定兼得 ✓ 正确答案 D 门禁与灰度只在 AI 时代才需要
# 4. 如何用 SPACE 框架的满意度、绩效、活动、沟通与效率维度补充 DORA 局限、度量 AI 辅助开发？ A SPACE 补充满意度、绩效、活动、沟通、效率等人的维度和工作流维度，更全面评估 AI 辅助开发 ✓ 正确答案 B DORA 已能全面度量 AI 辅助开发 C SPACE 只关注交付指标 D SPACE 框架不适合 AI 时代
# 5. AI 生成 PR 增多、评审意见减少的趋势下，如何重估代码评审价值并保障质量与知识传递？ A 分层评审——机械性交自动化、关键变更保留人工，并用评审/讲解保障知识传递 ✓ 正确答案 B AI 生成代码质量高，无需人工评审 C AI 时代评审已无价值 D AI 生成的 PR 无需讨论
# 6. AI 采纳与吞吐提升的相关性受哪些混淆变量干扰，如何用对照组或纵向基线逼近真实因果效应？ A 用 AI 的团队吞吐高就说明 AI 有效 B 效能指标无需考虑混淆变量 C AI 采纳与吞吐的关系一定是因果 D 相关受项目复杂度、团队差异、时间等混淆变量干扰，需用对照组与纵向基线逼近因果 ✓ 正确答案
# 7. 编码代理的投入产出如何用工时节省、缺陷率、吞吐等可量化指标评估 ROI？ A 用工时节省、缺陷率、吞吐、成本等多指标做前后对比与成本收益评估，并结合定性 ✓ 正确答案 B 只需看工时节省一个指标 C AI ROI 无法量化 D AI ROI 只看工具价格
# 8. 工程效能团队的 AI 工具采购、试点、推广与回退全流程如何设计，避免“工具泛滥”？ A 用采购-试点-推广-回退全流程 + 统一清单 + 收敛重复 + 维护退出，避免工具泛滥 ✓ 正确答案 B AI 工具越多越好，充分提效 C 各团队应自由采购 AI 工具 D AI 工具无需治理，自然淘汰
# 9. AI 生成代码的缺陷率、返工率与安全漏洞密度如何追踪并纳入迭代规划？ A AI 质量债无需度量，自然不存在 B AI 生成代码质量必然可靠 C 用缺陷率、返工率、安全漏洞密度追踪，纳入质量债清单并预留迭代额度偿还 ✓ 正确答案 D 质量债只靠事后修复，无需追踪
# 10. DX 的等待时间、上下文切换与工具摩擦如何用 AI 降低，改进优先级怎么排？ A 所有 DX 痛点应一起改进 B 用 AI 降低等待、上下文切换与工具摩擦，并按痛点影响、成本、反馈与 ROI 排序 ✓ 正确答案 C DX 改进无需排序，越多越好 D DX 与开发效率无关
# 11. AI 时代如何避免效能指标被“游戏”（批量刷 PR、伪造活跃度等反模式）？ A 指标越多越能防止被游戏 B 指标被游戏无法避免 C 只看 PR 数即可评估效率 D 用价值/结果指标、多指标联动、定性评估与反作弊监控，并建立"指标是改进工具"的文化 ✓ 正确答案
# 12. 平台工程与 AI 工具链如何协同，黄金路径怎样纳入 AI 开发流程、自服务怎样延伸到提示词与代理配置？ A 把 AI 开发流程纳入黄金路径，让提示词与代理配置自服务化，并统一治理安全成本 ✓ 正确答案 B 各团队应自由使用 AI 工具 C AI 工具链无需平台化 D 平台工程只适用传统开发
# 13. 团队 AI 采纳曲线中不同成熟度成员的培训、结对与规范如何设计，激进与保守怎么平衡？ A 所有成员应按同一标准采用 AI B 应激进者优先，所有人快速用 AI C 按成熟度分层培训、结对与规范，用试点+规范+共识平衡激进与保守 ✓ 正确答案 D 应保守优先，避免用 AI
# 14. AI 工具采集的代码、对话、指标等效能数据如何治理与脱敏？ A AI 工具采集的数据无需治理 B 通过数据分级、脱敏、访问控制、保留删除与合规，平衡提效与安全隐私 ✓ 正确答案 C 所有开发数据都可送第三方 AI D 代码数据无需脱敏
# 15. 如何建立公司自己的 AI 辅助交付基线并持续对比，基线随工具升级怎样更新？ A 用 AI 前选指标、定时机、分组建基线，持续对比趋势，工具升级时用滚动基线更新 ✓ 正确答案 B 基线建立后无需更新 C 内部基线只需用外部行业数据 D 基线应一刀切，不分团队
# 16. AI 时代研发效能工程师/DevEx 岗位的职责、薪资与成长路径如何评估？ A 效能工程师岗位在 AI 时代不受影响 B 职责含平台、度量、AI 工具治理与开发者体验，薪资与成长机会在 AI 时代更关键 ✓ 正确答案 C 效能工程师薪资必然低于开发 D 效能工程师无成长路径
# 17. 组织、团队与个人三级度量指标如何显式联动，避免“上级指标好看、下级行为被扭曲”？ A 三级指标应各自独立设定，互不关联 B 组织、团队、个人三级指标要显式联动（可追溯的因果链路 + 共同责任），避免"上级指标好看、下级行为被扭曲" ✓ 正确答案 C 个人指标应只考核短期产出数字 D 层级对齐就是把上级指标数字平均分给下级
# 18. 指标异常如何触发根因分析、规范调整与工具回退，让度量反哺改进而非仅用于汇报？ A 指标异常只需记录在汇报中即可 B 指标异常一定是由工具问题导致的 C 改进闭环就是定期重新计算指标 D 指标异常应触发根因分析，并通过规范调整或工具回退落实行动、验证效果，让度量反哺改进 ✓ 正确答案
# 19. AI 辅助下团队规模与产出规模的关系如何重新评估，管理者怎样向业务方解释？ A 产出规模应直接按 AI 提效百分比线性外推 B AI 提效后无需再关注质量与维护成本 C 应用基线与试点验证 AI 的真实产出增量，折算质量成本、识别瓶颈，向业务方分阶段、留余地地解释 ✓ 正确答案 D 团队规模只需按人数乘以单人产出计算
# 20. 倦怠信号与效能指标的关系如何度量，AI 提效与压力上升并存的早期信号怎么识别？ A 幸福感与效能无关，只需看产出数字 B 用主观（倦怠问卷）与客观（效能与行为指标）双通道度量并关联分析，识别"AI 提效与压力上升并存"的早期信号 ✓ 正确答案 C 倦怠只有在员工离职时才能被发现 D AI 提效必然导致压力上升，无法管理
