AI 代码按 PR 归因
能拆到 PR 和代码行级别，标出这行来自 Copilot、Cursor 还是人工。首页示例显示某冲刺 AI 代码占比 38%，其中 Copilot 38%、Cursor 22%、人工 40%，把「AI 有没有用」变成可对账的数字。
价格价格与档位未公布，仅提供预约演示
平台Web / Slack
归类聊天对话
收录2026-10-12
复核2026-10-12
编辑评分
4.0 / 5
★★★★☆
iftrue编辑总结
iftrue 是一款跑在 Slack 里的工程效能分析助手，定位是给工程负责人提供可决策的数据而不是又一堆仪表盘。它把三类信号接到一起：AI 代码归属（Copilot、Cursor、Claude）、交付系统（GitHub、Jira、Linear）和人的状态（Slack、问卷、1:1）。首页给出的示例里，AI 生成代码占本冲刺已合并 PR 的 38%，周期时间 1.6 天、环比下降 61%，官方称团队接入 2 周即可看到价值。短板也很直接：价格与档位没有公开，只有预约演示这一条路径，想自助试用或按公开费率估算成本都做不到。
iftrue是什么？
iftrue 是一款面向工程负责人的分析产品，形态是一个 Slack 机器人加后台数据管道。官方把要解决的问题说得很明确：AI 编程工具普及之后，原来那套指标不再可信，于是把代码来源、交付流程和团队状态三块重新连起来，得出一个综合信号。
产品能力分三块。其一是 AI 代码归因，能按 PR 级别拆分某一行代码来自 Copilot、Cursor 还是人写的。其二是交付指标，从代码库和 CI/CD 自动采集 DORA 四项（部署频率、前置时间、变更失败率、MTTR），示例数据为每天部署 5.2 次、前置时间 1.6 天、变更失败率 4.1%、MTTR 38 分钟。其三是团队健康，包括评审负载、倦怠信号、1:1 准备材料和人力容量规划。
用法上，工程负责人和主管在 Slack 频道里 @iftrue 用自然语言提问，比如「Copilot 到底让我们更快了还是在制造返工」，机器人会基于已接入的数据直接给结论，不用切到别的页面。也可以订阅每日或每周摘要，覆盖站会、冲刺复盘和部署报告。容量规划页面则把 PTO、值班、会议和评审负载从原始人力里扣掉，再结合历史速度与 AI 增益给出可承诺的冲刺点数。
iftrue核心功能
DORA 指标自动跟踪
从已接入的技术栈自动采集四项 DORA，示例数据为每天部署 5.2 次、前置时间 1.6 天、变更失败率 4.1%、MTTR 38 分钟，四项里三项达到 Elite 档。无需自建埋点。
Slack 内自然语言问答
在任意频道或私聊 @iftrue 提问，不用学查询语法也不用来回切仪表盘。示例回答会给出「AI 生成代码占已合并 PR 的 47%、提示到合并时间下降 28%、AI 代码返工率 12%」这样的完整结论。
官方说明 ↗定时摘要推送
可订阅每日或每周摘要投递到任意频道，内容覆盖站会、冲刺复盘和部署报告。示例摘要含昨日部署 7 次、12 个 PR 待评审、2 个阻塞工单及其卡点原因。
官方说明 ↗人力容量规划
从原始人力里自动扣除 PTO、值班、会议与评审负担后给出有效容量。示例中 5 人两周期名义 400 小时，扣完只剩 270 小时，占原始产能的 67%，并提示 Priya 超配（38h 对 14h）。
官方说明 ↗AI 调整后的速度预测
把最近六个冲刺的速度均值与实测 AI 增益混合，给出 P50 与 P80 区间。示例中六冲刺均值 36 点，AI 调整后预测 42 点，其中 18 点增益来自自冲刺 21 起持续使用 Cursor 与 Copilot。
官方说明 ↗倦怠与 1:1 准备
在辞职信之前给出倦怠信号、工作量均衡和 1:1 谈话材料。示例中提示 Maya 的评审负载上升 2.3 倍、风险高，Priya 提示词反复变动需关注，另外两人状态健康。
iftrue值不值得用？
如果你的团队已经在用 Copilot 或 Cursor，但说不清这笔投入到底换来了什么，iftrue 值得认真看：它能把 AI 代码占比、周期时间和返工率放在同一张账上，还能直接用 Slack 问答取数，省掉一层层找报表的时间。示例数据里 90 天内周期时间下降 60%、功能交付速度翻倍、8 周回本，方向是对着工程负责人的真实问题去的。但它只走预约演示这条路，价格、档位、免费额度一概没有公开，30 人以下的小团队想先自己试一圈会卡在门口；另外把人效数据搬进 Slack 也意味着评审负载和倦怠信号对同事可见，落地前要先和团队对齐边界。
建议选它的情况
- 已规模使用 Copilot 或 Cursor，需要量化 AI 投入产出的工程组织
- 团队日常在 Slack 里协作，希望不切工具就能取数的工程负责人
- 要按实际可用工时而非人头做季度排期的主管与 VP
不建议选它的情况
- 想先自助注册试用再决定的小团队，当前只有预约演示入口
- 对成本敏感、必须提前看到明确报价与档位才能走采购流程的团队
iftrue使用建议
入门先把路子走对
- 先约 30 分钟演示官方明确写的是 30 分钟走查，且会按你的技术栈定制、不用 PPT、直接看你团队的数据，比泛泛的产品介绍有用得多。约之前把要接的工具清单准备好。
- 从 GitHub 和 Jira 起步接入分钟级完成，不需要改代码，工程师也不用开新标签页。先接版本控制与工单系统，DORA 四项和 PR 归因就能先跑起来，再考虑接 Slack 与问卷。
- 第一天就问那个老问题在频道里 @iftrue 问「Copilot 是不是只是让我们交付了更多返工」。示例答法会同时给 AI 代码占比、提示到合并时间变化和返工率，并对照 15% 的健康阈值判断。
进阶省时间也省钱
- 用容量差额调排期冲刺开始前看有效容量而非名义工时。示例里 5 人两周期名义 400 小时、实际只有 270 小时，且 Priya 超配 38h 对 14h、Sam 空余 28h，把两个前端工单挪过去即可。
- 按 P50 承诺、按 P80 冲刺速度预测同时给 P50 和 P80 两个估值。用 P50 做对外承诺避免失信，把 P80 当作拉伸目标；示例中已承诺 38 点，距 42 点预测还剩约 4 点空间。
- 把评审负担算进产能评审量大的资深工程师会被扣减产能，官方会把「评审了团队 40% 的 PR」折算成容量抵扣。排期时别把这部分当免费劳动力，否则前端超配 111% 这类问题会反复出现。
iftrue适合谁用？
工程总监与研发负责人
推荐需要回答「AI 投入换来了什么」，且要把结论带到管理层会议上。按 PR 级归因加上 DORA 四项，能给出可对账的数字而不是印象。
Slack 重度使用的研发团队
推荐团队本来就在 Slack 里沟通，取数、订阅摘要、分享结论都不需要离开频道，接入成本低。若团队不在 Slack 里，这个形态的价值会大打折扣。
做季度排期的工程经理
推荐按有效工时而非人头排期，能提前发现超配与闲置。示例中后端 89%、前端 111%，前端已明显超配，这类信号在排期前就该看到。
对成本敏感的采购方
有条件价格与档位没有公开，只有预约演示这一条路径，走不了先比价再决策的流程。若必须提前拿到明确报价，推进会比较被动。
10 人以下的初创团队
不推荐产品瞄准的是有多个团队、要跨组织看容量的工程组织，容量规划、季报汇总这类能力在小团队里用不上，投入产出比不划算。
iftrue优点和缺点
优点
- AI 代码可拆到 PR 与代码行，示例中占比 38% 并细分到 Copilot 与 Cursor
- DORA 四项自动采集，示例为部署 5.2 次/天、MTTR 38 分钟，三项达 Elite 档
- 官方称接入 2 周看到价值，案例里 90 天周期时间下降 60%
- 容量规划会扣除 PTO、值班、会议与评审，示例中 400 小时只剩 270 小时
- 速度预测给出 P50 与 P80 区间，示例 36 点基线调整到 42 点
- 接入分钟内完成，无需改代码，工程师不用开新标签页
缺点
- 价格、档位与免费额度均未公布，只能预约演示
- 只支持 Slack 内使用，不在 Slack 协作的团队适配差
- AI 增益仅覆盖 Copilot、Cursor、Claude 三类工具
- 1:1 准备与倦怠信号涉及个人绩效数据，团队内部需先对齐边界
iftrue关键指标
| 指标 | 数值 | 数据来源 |
|---|---|---|
| AI 生成代码占已合并 PR 比例 | 38% | 首页示例 |
| 周期时间 | 1.6 days | 首页示例 |
| 部署频率 | 5.2/day | 首页 DORA 示例 |
| 变更失败率 | 4.1% | 首页 DORA 示例 |
| MTTR | 38m | 首页 DORA 示例 |
| 案例周期时间降幅 | 60% | Top Media 案例 |
| 案例功能交付速度提升 | 2× | 首页案例数字 |
| 回到正 ROI 的周期 | 8wk | 首页案例数字 |
| 案例返工率变化 | from 18% to 9% | Top Media 案例 |
| 有效容量示例 | 160 h of 200h raw | 容量规划页面示例 |
| 速度预测示例 | 42 pts | 容量规划页面示例 |
| AI 带来的速度增益示例 | +18% | 容量规划页面示例 |
iftrue常见问题
iftrue 到底解决什么问题？＋
解决 AI 编程工具普及后指标失真的问题。它把代码来源、交付流程和团队状态三块接到一起，让你能回答「哪些团队真的从 Copilot 拿到了收益、哪些只是在制造更多返工」。首页示例里 Mobile 团队 AI 代码占 38% 且交付快 42%，Platform 采用率相同但周期时间持平、返工上升。
它怎么判断哪些代码是 AI 写的？＋
按 PR 做归因，能标到具体代码行来自 Copilot、Cursor 还是人工。示例中某冲刺 AI 代码占已合并 PR 的 38%，其中 Copilot 38%、Cursor 22%、人工 40%；另一处示例是 AI 生成代码占已合并 PR 的 47%，Cursor 占 52%、Copilot 占 38%。
用起来需要工程师改代码或学新工具吗？＋
不需要。接入分钟内完成、不改代码，工程师也不用开新标签页。使用时在任意频道或私聊 @iftrue 用自然语言提问即可，没有查询语言要学，数据由后台去查 GitHub、Jira、CI/CD 等已接入工具并组装回答。
能接到我们现有的哪些工具？＋
官方列出的接入方向包括版本控制、工单系统、AI 工具和沟通工具四类，具体产品涉及 GitHub、GitLab、Bitbucket、Jira、Azure DevOps 和 Slack。接入前不需要改动现有工程流程。
改完排期或流程多久能看到效果？＋
官方给的接入周期是 2 周看到价值，案例页给出的数字是 90 天内周期时间下降 60%、功能交付速度翻倍、8 周回本。案例方是土耳其一家头部在线媒体公司的工程总监。
团队健康那块具体看什么？＋
看评审负载、倦怠信号和工作量均衡，并在 1:1 前给出谈话材料。示例中一位工程师评审负载上升 2.3 倍被标为高风险，另一位提示词反复变动标为需关注，其余两人状态健康。这些信息会以风险标签形式呈现。
