一、案例定位

生成式 AI 不只寫 code，也進入 integrated development environment（IDE）、code review 與 testing。

二、學習目標

• 建立 software-development-lifecycle use-case map。
• 設計 adoption 與品質指標。

三、案例情境

原書指出 GitHub 的生成式 AI coding tools（例如 Copilot）支援 IDE integration、code reviews 與 testing，提高開發速度與 code quality。

四、開始資料

五、分析方法

追蹤 acceptance rate、review defects、test coverage、cycle time。

六、計算結果

原書本段沒有提供新的百分比。

七、結果分析與管理解讀

真正價值來自整個 development lifecycle，而不只是 code generation。

八、AI 提問詞

依 lifecycle metrics 比較各階段的 AI value 與 risk。

九、思考／情境變動

**題目：**若 500 AI suggestions 中 325 被接受，acceptance rate？

**參考解答：**65%。