提供される情報
- すべての開発者のスコアを一覧できる色分けされたヒートマップ
- 4 つのドメインにわたる習熟度の形状を示す開発者ごとのレーダーチャート
- トップパフォーマーとチーム平均を比較するチームレベルのオーバーレイ
- すべての開発者の強みと成長領域の自動導出
- 週次の検出トレンドと解決状況の追跡
- AIが生成するフォースグラフによる繰り返しパターンの識別
4 つのドメイン
各ドメインはコードをレビューする専門エージェントに対応しています：| ドメイン | 専門家 | 測定内容 |
|---|---|---|
| Security | セキュリティ専門家 | 脆弱性、シークレットの露出、インジェクションリスク、認証の問題 |
| Performance | パフォーマンス専門家 | 非効率なクエリ、メモリリーク、N+1 問題、不要なメモリ割り当て |
| Correctness | 正確性専門家 | ロジックエラー、エッジケース、型の不一致、バリデーションの欠如 |
| Patterns | パターン専門家 | アンチパターン、コードスメル、スタイル違反、保守性の問題 |
スコアの計算方法
スコアはベイズ縮小を使用します。これは各開発者についてどれだけのデータがあるかを考慮する統計的手法です。MR数が少ない開発者のスコアはチーム平均に引き寄せられ、少ないサンプルから生じる信頼性の低い極端なスコアを防ぎます。- 検出を収集 — 過去90日間のAdvanced code reviewの専門エージェントによるすべての検出を、開発者とドメイン別にグループ化します。
- 正規化 — 各開発者の各ドメインで、
MRあたりの検出数を計算します。 - チーム平均に縮小 — 各開発者のレートをチーム全体の平均とブレンドします。MR数の多い開発者は観測値に近いレートを維持し、MR数の少ない開発者はチーム平均に近づきます。
- 閾値に対してスコアリング — 調整済みのレートをドメイン固有の閾値と比較します：
Score = max(0%, 1 - adjusted_rate / threshold)。 - 平均化 — 4 つのドメインスコアをOverall Scoreとして平均化します。
Skill Matrix に表示されるには、Advanced モードでレビューされた MR が 3 件以上必要です。Fast モードのレビューはドメイン専門エージェントを使用しないため含まれません。
ベイズ縮小が必要な理由
検出ゼロで 7 件の MR を提出した開発者は、必ずしも検出ありで 67 件の MR を提出した開発者より優れているわけではありません — データが少ないだけです。ベイズ縮小は、少ないサンプルを適切な不確実性で扱うことでこの問題を解決します：- MR数が多い開発者 — スコアは実際の検出率を忠実に反映
- MR数が少ない開発者 — 独立して評価できるだけのデータが揃うまで、スコアはチーム平均に引き寄せられる
スコアの解釈
| Overall Score | ラベル | 解釈 |
|---|---|---|
| 80%以上 | Excellent | 全ドメインで一貫してクリーンなコード |
| 60〜79% | Good | 平均以上で、改善の余地が少しある |
| 40〜59% | Fair | 複数のドメインで成長の余地がある |
| 20〜39% | Needs Work | 一部のドメインで重大な検出がある |
| 20%未満 | Poor | 複数のドメインで検出率が高い |
Advanced モード限定
Skill Matrix はAdvanced code reviewの検出のみを使用します。このモードでは、4 つの専門エージェント（Security、Performance、Correctness、Patterns）が独立してコードを分析します。Fast モードでレビューされた MR は単一の汎用エージェントを使用し、その検出はドメイン別に分類されないため、ドメイン固有のスコアリングには使用できません。 ワークスペースが Fast モードを使用している場合、Skill Matrix に表示される対象開発者が少なくなるか、空になることがあります。コードレビュー設定 で Advanced モードに切り替えると、Skill Matrix のフルカバレッジが得られます。Skill Matrix が表示される場所
チームの Skill Matrix（ヒートマップ）
Analytics ページの Skill Matrix タブには、すべての対象開発者のヒートマップテーブルが表示されます。各セルは緑（Excellent）から赤（Poor）に色分けされ、開発者ごとの Overall Score と MR 件数が表示されます。下部のTeam Average行がベースラインを示します。開発者行をクリックするとプロフィールが開きます。Skill Radar（極座標チャート）
ヒートマップの下には、上位 3 名の開発者と破線のチーム平均ラインを重ね合わせた極座標レーダーチャートが表示されます。各ドメインでリードしているのは誰か、チームの形状がどのように異なるかをすばやく視覚的に把握できます。開発者プロフィールダイアログ
任意の開発者をクリックするとフルプロフィールが開きます：| セクション | 説明 |
|---|---|
| プロフィールヘッダー | アバター、MR件数、検出総数、平均品質スコア、総合スキルパーセンテージ |
| Skill Radar | この開発者の 4 つのドメインを示す極座標チャート |
| Resolution Rate | マージ前に解決された検出の割合（プログレスバー表示） |
| Focus Areas | 自動導出された強み（上位 2 ドメイン）と成長領域（下位 2 ドメイン） |
| Weekly Findings Trend | 過去90日間の深刻度別検出を積み上げた縦棒グラフ |
| Pattern Force Graph | AIが識別した繰り返しパターンを力指向ネットワークとして可視化 |
ユースケース
1. 的を絞ったスキル開発
自動導出されたFocus Areasを 1on1 の会話のガイドとして活用しましょう。ある開発者が Correctness で 90%、Security で 45% のスコアを持つ場合、セキュリティに詳しいメンターとペアにするか、Security 関連のタスクをアサインしてスキルを構築させましょう。2. バランスの取れたコードレビューの割り当て
重要なPRを、関連ドメインで最高スコアを持つレビュアーにルーティングしましょう。Security で 95% の開発者は認証変更のレビューに最適です。3. 時間をかけた改善の追跡
Weekly Findings Trend は、開発者の検出数が減少しているかどうかを示します。以前は弱かったドメインでの下降トレンドは、コーチングやトレーニングが効果を上げていることを示します。4. チーム構成の計画
チームオーバーレイのレーダーはチームの集合的な弱点を明らかにします。チーム全体が Performance で低下している場合は、パフォーマンスに焦点を当てたトレーニングやツールへの投資を検討しましょう。スコアは絶対的な閾値に基づいているため、チームの変化に対して安定しています。ただし、チーム平均行はメンバーの入退社によって変化します。個人の成長追跡には個人スコアを、組織のベンチマークにはチーム平均を使用してください。
関連情報
Code Review の概要
リポジトリの自動コードレビューを設定・管理する
メンションコマンド
MR/PR コメントから直接自動修正をトリガーしたり質問したりする