判断一条周期任务触发规则是否有效，可以围绕四项指标展开：按计划生成率、漏生成次数、人工补建比例、触发异常处理时长。它们分别回答“该生成的是否按时生成”“漏了多少”“靠人补了多少”“异常恢复得快不快”。四项指标要在同一时间窗、同一规则版本、同一任务范围内统计，并结合规则变更、节假日、分母为零等情形解释，避免用单一指标给规则下结论。评估所需的生成记录、补建记录和异常处理记录，可以在ONES的任务与工作项记录中承接，便于按规则回溯。
要点总览（TL;DR）
- 判断周期任务触发规则是否有效，核心看四项指标：按计划生成率、漏生成次数、人工补建比例、触发异常处理时长，分别对应按时生成、漏生成、人工介入和异常恢复四个问题。
- 四项指标须在同一时间窗、同一规则版本、同一任务范围内统计；规则中途变更要分段统计，分母为零或应触发实例过少时只作参考，不据此停用规则。
- 按计划生成率=实际按规则生成任务数÷应生成任务数；漏生成次数按实例计数，补建后仍计入漏生成；人工补建比例=人工补建任务数÷实际任务总数；异常处理时长按异常事件逐条计算，同时看平均值与中位数。
- 判断时四项指标组合使用：生成率高、漏生成少、补建比例低、异常处理短可保留；漏生成集中出现要排查触发配置与依赖；补建比例持续偏高要核对规则覆盖与团队使用方式；长期无应触发实例可停用。
- 指标有解释边界：高生成率不代表规则设计合理，补建比例受团队习惯影响，异常处理时长受值班安排影响，跨周期比较要注明规则版本与业务背景。
评估目标：这条触发规则要证明什么
评估对象应明确到一条或一组周期任务触发规则，例如“每周一自动生成周报任务”的规则，或某个项目下全部按周触发的规则集合。评估目的是为保留、调整或停用提供依据，而不是评价执行任务的个人表现。把对象限定清楚，后续取数才有稳定边界。
需要区分两类问题。规则配置正确性关注规则本身是否写对，例如触发时间、周期、生成对象、负责人是否符合设计；运行效果关注规则上线后在一段时间内实际表现如何。配置正确是运行有效的前提，但配置正确不代表运行稳定，运行数据好也不代表规则设计合理，两者要分开判断。
评估周期与决策时点应事先约定。常见做法是按月或按季度评估一次，在规则上线满一个完整周期后做首次评估，之后随版本变更或业务节奏变化复评。决策时点要固定，例如每季度末根据最近一个季度的数据决定保留或调整，避免临时取数导致口径漂移。
评估前可以先列出决策问题清单：这条规则当前是否仍在支撑业务节奏；漏生成是否集中在特定时段；人工补建是否已成为常态；异常处理是否拖累了任务交付。清单中的每个问题都对应后文的指标，评估结束时逐项给出回答。
指标与范围：四类核心指标及统计边界
四项核心指标的定义、公式和统计口径如下表。所有指标均以“规则实例”为计数单位，即规则在每个应触发时点对应的一次生成机会。
| 指标 | 公式 | 分子与分母 | 单位 | 统计时间窗 |
|---|---|---|---|---|
| 按计划生成率 | 实际按规则生成的任务数 ÷ 应生成任务数 × 100% | 分子为在应触发时点由规则自动生成的任务数；分母为按规则计划应生成的实例总数 | 百分比 | 与评估周期一致，如自然月或季度 |
| 漏生成次数 | 应生成而未生成的实例数 | 按实例计数，同一实例只计一次；补建后仍计入漏生成 | 次 | 同上 |
| 人工补建比例 | 人工补建任务数 ÷ 实际任务总数 × 100% | 分子为人工创建或手工补录的任务数；分母为该规则范围内实际存在的任务总数 | 百分比 | 同上 |
| 触发异常处理时长 | 恢复正常时间 − 异常发现时间 | 按异常事件逐条计算，可汇总为平均时长或中位数 | 小时或天 | 同上，按异常发现时间归入时间窗 |
按计划生成率的分母口径要固定。分母是“应生成任务数”，来源于规则的计划基线，即按触发周期推算出的应触发时点数量。若规则为每周触发一次，一个季度约13周，分母即为13；若中途规则停用或调整，分母只计规则生效期间的应触发时点。分母口径一旦确定，评估期内不随意更换。
漏生成次数按实例计数，不按天或按人计数。同一应触发时点未生成任务记1次；如果该时点后来被人工补建，漏生成仍然成立，补建只影响人工补建比例，不冲减漏生成次数。这样两项指标各司其职，不会互相掩盖。
人工补建比例的分母选择需要说明。分母用“实际任务总数”而非“应生成任务数”，是为了反映团队实际处理的任务中有多少依赖人工介入。若团队在规则之外还主动创建了额外任务，这些任务计入分母，但补建分子只统计为弥补规则缺失而人工创建的任务，两类记录要通过来源字段区分。
触发异常处理时长的起止点要统一。起点为异常被发现的时间，可以是监控告警时间、值班人员确认时间或任务负责人反馈时间，评估期内应固定使用同一种；终点为规则恢复正常、后续实例按计划生成的时间。单位统一为小时，跨天异常折算为小时，汇总时同时给出平均值和中位数，避免个别长尾异常拉偏判断。
统计范围要满足一致性要求：同一时间窗、同一规则版本、同一任务范围。规则在评估期内发生变更的，以变更时点为界分段统计，或只统计变更后稳定运行的时段；任务范围发生迁移的，迁移前后分别统计，不合并计算。
数据口径与证据：从哪里取数、如何保证可比
应生成实例的计划基线来自规则配置本身。取数时导出规则的计划触发记录或按周期推算的应触发时点清单，保留规则版本号、生效时间和触发周期字段。这份清单是分母的唯一来源，不能事后凭记忆补录。
实际生成记录与人工补建记录要能区分。实际生成记录应包含任务创建时间、创建来源（规则自动生成或人工创建）、关联规则标识；人工补建记录除上述字段外，还应保留补建原因或备注。来源字段是区分两类记录的关键，缺失来源字段的历史数据需要单独标注，不混入正式计算。
异常发现时间与恢复时间要有记录载体。常见做法是在异常处理记录中登记发现时间、处理人、处理动作和恢复时间；若通过监控告警发现，告警时间可作为发现时间。评估时按异常事件逐条核对，确保起止点来自同一记录，不用事后回忆估算。
缺失值、重复计数和规则中途变更要分别处理。应生成清单缺失的时段，标注为“数据缺失”，不计入分母也不计入漏生成，并在报告中说明缺失范围；同一实例在多个系统中重复记录的，按任务唯一标识去重；规则中途变更的，按变更时点切分统计区间，变更前后的指标不直接比较。
分母为零和样本过少的情形要单独说明。某个时间窗内规则未到触发时点，分母为零，生成率不计算，报告中写“本期无应触发实例”；应触发实例少于5次的，指标波动大，只作参考，不据此做停用决定，可延长观察窗口后再评估。
计算与评估步骤：从取数到结论的流程
评估按以下步骤执行，每一步都留下可复算的记录：
- 确定评估周期与规则版本。写明统计起止日期、规则标识和版本号，确认评估期内规则未发生未记录的变更。
- 导出四类记录：应生成实例清单、实际生成记录、人工补建记录、异常处理记录。导出后核对记录条数与时间范围是否匹配。
- 逐项计算四项指标。按上表公式计算，保留计算底稿，注明分子分母的具体数值和去重规则。
- 按指标组合形成判断。四项指标一起看，结合业务背景给出保留、调整或停用的建议。
- 安排调整动作与复评。明确调整内容、责任人和复评时间，复评时沿用同一口径，便于前后对比。
指标组合的判断可以参考以下规则，具体阈值应结合团队历史数据确定，不套用统一标准：
| 指标表现 | 可能含义 | 建议动作 |
|---|---|---|
| 生成率高、漏生成少、补建比例低、异常处理短 | 规则运行稳定，仍支撑业务节奏 | 保留，按原周期复评 |
| 生成率偏低或漏生成集中出现 | 触发配置、权限或依赖条件存在问题 | 排查触发配置与依赖，调整后复评 |
| 补建比例持续偏高 | 规则覆盖不足或团队习惯绕过规则 | 核对规则范围与团队使用方式，调整规则或推动按规则执行 |
| 异常处理时长明显偏长 | 告警与值班衔接不畅 | 完善异常发现与处理流程，再观察一个周期 |
| 长期无应触发实例或业务已不再需要 | 规则失去使用场景 | 停用，并记录停用原因 |
在ONES中，周期任务规则生成的任务会留下创建来源与时间记录，人工补建的任务可通过来源字段或备注区分，异常处理过程可以在工作项状态流转和评论中留存时间点。评估时按规则筛选任务范围，导出对应记录，即可支撑上述计算。调整规则后，复评时沿用同一筛选条件，保证前后可比。
示例：一条周任务规则的指标计算
以下为演示情景，数字仅用于说明计算方法。某团队有一条“每周一自动生成项目周报任务”的规则，评估2025年第三季度（13周）的运行效果。
应生成任务数为13，即13个周一各应生成1个周报任务。实际按规则自动生成10个，按计划生成率为10 ÷ 13 × 100% ≈ 76.9%。漏生成次数为3次，分别发生在第4周、第9周和第12周。同期该规则范围内实际存在的周报任务共12个，其中人工补建2个，人工补建比例为2 ÷ 12 × 100% ≈ 16.7%。三次漏生成对应的异常处理时长分别为4小时、8小时和30小时，平均约14小时，中位数为8小时。
由结果推导：生成率约76.9%，漏生成3次且集中在季度中后段，说明规则存在间歇性失效；补建比例16.7%，团队尚能通过人工补建维持周报产出，但已形成额外负担；异常处理中位数8小时、最长30小时，说明单次异常影响可控，但长尾异常需要关注。调整方向可以是排查第9周和第12周漏生成的共同原因，例如触发时点的依赖条件或权限配置；同时明确异常发现后的响应时限，缩短长尾处理时间。调整后下一个季度按同一口径复评，对比生成率与漏生成次数的变化。
解读与限制：指标能说明什么、不能说明什么
高生成率说明规则在统计期内多数时点按计划生成了任务，不能据此认定规则设计合理。规则可能生成了内容重复或无人处理的任务，生成率仍然很高。判断规则设计是否合理，还要看生成的任务是否被使用、任务内容是否符合业务需要，这部分需要结合任务完成情况和团队反馈。
人工补建比例受团队习惯影响。有的团队习惯在规则之外主动创建任务，分母变大，补建比例被稀释；有的团队遇到漏生成直接口头提醒而不建任务，补建比例偏低但漏生成并未减少。解读时要结合漏生成次数一起看，并确认团队对补建记录的登记习惯是否一致。
触发异常处理时长受值班安排影响。夜间或节假日发现的异常，处理时长天然偏长，与规则本身的质量关系不大。评估时应区分工作时段与非工作时段的异常，或同时看中位数，避免用平均值直接比较不同季度。
规则变更与季节性因素会影响可比性。规则调整后，前后两个周期的指标不宜直接对比；业务旺季任务量增加，补建比例和异常处理时长都可能上升，这属于业务节奏变化，不一定是规则退化。跨周期比较时注明规则版本和业务背景，必要时只比较变更后稳定运行的时段。
四项指标应组合使用并定期复评。单看生成率会忽略人工补建的负担，单看补建比例会掩盖漏生成的次数，单看异常处理时长无法判断规则是否仍被需要。把四项指标放在同一口径下连续观察几个周期，结合业务变化解释波动，才能对规则的保留、调整或停用形成稳定判断。
常见问题
规则在评估期内做过调整，指标还能直接和上一期比较吗？
不宜直接比较。规则调整后，触发时点、生成对象或依赖条件可能已经变化，前后两期的应生成基线和任务范围不再一致。常见做法是以变更时点为界分段统计，或只统计变更后稳定运行的时段，并在报告中注明规则版本和变更内容。若必须跨期观察趋势，可只比较变更后连续两个完整周期的数据，同时说明中间发生过调整。
团队遇到漏生成时习惯口头提醒、不建补建任务，补建比例偏低怎么解读？
补建比例偏低可能来自登记习惯，而非规则运行良好。此时应把漏生成次数作为主要依据，并核对团队是否统一登记补建记录。若补建记录长期缺失，可以先约定补建任务的登记方式，再观察一个周期，让补建比例与漏生成次数能够相互印证。单看补建比例容易得出偏乐观的结论。
应触发实例很少的规则，比如每季度才触发一次，还值得按这套指标评估吗？
可以评估，但结论要谨慎。应触发实例少于5次时，生成率和补建比例的波动很大，一次漏生成就可能让生成率下降20%以上。建议延长观察窗口，积累多个周期后再判断；短期评估只记录漏生成次数和异常处理情况，不据此做停用决定。若规则本身触发频率低但业务影响大，可单独关注单次异常的处理时长。
异常处理时长用平均值还是中位数？
建议同时给出平均值和中位数。平均值能反映总体处理负担，但容易被个别长尾异常拉高；中位数反映典型处理速度，受极端值影响小。评估时还可以区分工作时段与非工作时段的异常，避免夜间或节假日发现的异常拉长平均值，导致不同季度之间不可比。
四项指标都不错，是否就可以确认规则设计合理？
不能。四项指标衡量的是运行效果，规则可能按时生成了大量内容重复或无人处理的任务，指标依然好看。判断规则设计是否合理，还要看生成的任务是否被实际使用、任务内容是否符合业务需要，可结合任务完成情况和团队反馈。运行指标与设计合理性分开判断，避免把生成率高当成规则无需调整的依据。
