{{ page === 'dashboard' ? '评估总览' : '排行榜' }}
员工总数
{{ summary.total_employees || 0 }}
项目总数
{{ summary.total_projects || 0 }}
Commit 总数
{{ summary.total_commits || 0 }}
平均评分
{{ summary.avg_score || 0 }}
{{ page === 'dashboard' ? '评分排行 TOP' : '评分排行' }}
周期: {{ summary.period_label || '-' }}
暂无评估数据
请先进行
员工列表
{{ row.name || '-' }}
姓名:{{ empDetailData.name || '-' }}
用户名:{{ empDetailData.username }}
邮箱:{{ empDetailData.email || '-' }}
项目数:{{
empDetailData.project_count }}
总Commits:{{
empDetailData.total_commits }}
代码行数:{{ empDetailData.total_lines
}}
关联项目 ({{ empDetailData.projects?.length || 0 }})
排除选中 ({{ empSelectedProjects.length }})
恢复选中
项目列表
数据采集与评估
评估范围设置
先选择需要评估的员工,再进行采集和评估。未选中的员工不会浪费采集和 LLM 分析资源。 项目排除请在「员工列表」中管理。
评估范围:
全员
选择员工
将处理 全部活跃员工 关联的非排除项目
已选 {{ evalEmployeeIds.length }} 名员工,
涉及 {{ scopeProjectCount }} 个非排除项目
请先选择要评估的员工
Step 1: 数据采集与代码分析
仅采集选定员工关联的非排除项目。 全量采集拉取全部数据并让 LLM 通读代码建立基线; 增量采集只处理新增变更并对比历史记忆。
用户: {{ collectResult.users_count }} | 项目: {{ collectResult.projects_count }} | Commits: {{ collectResult.commits_count }} | 变更项目: {{ collectResult.changed_projects }}
{{ collectProgress.collect_type === 'incremental' ? '增量' : '全量' }}采集 · 代码深度分析
阶段1: 数据采集
阶段2: 代码分析中
已完成
刷新进度
查看项目分析详情
项目: {{ collectProgress.target_total
}}
分析完成: {{
collectProgress.analyze_completed }}
跳过: {{
collectProgress.analyze_skipped }}
失败: {{
collectProgress.analyze_failed }}
分析中: {{
collectProgress.analyze_running }}
{{ collectProgress.progress_desc
}}
{{ collectProgress.error_message }}
Step 2: 执行评估
选择评估周期,对上一步采集的员工进行自动评分 + LLM 创新能力评估。
评估周期:
周期: {{ evalResult.period_label }}
周期: {{ evalResult.period_label }}
LLM 评估失败的员工:
{{ f.name }}: {{ f.reason }}
架构概述:{{ row.architecture_summary }}
技术评估:{{ row.tech_assessment }}
代码质量:{{ row.code_quality }}
创新亮点:{{ row.innovation_highlights }}
发现问题:{{ row.issues_found }}
总体结论:{{ row.overall_conclusion }}
与上次对比:{{ row.change_summary }}
分析的文件 ({{ row.file_count }}):
{{ f.path }} ({{ Math.round(f.chars/1000*10)/10 }}K)
错误:{{ row.error_message }}
操作日志
刷新
{{ formatDateTime(row.created_at) }}
用户{{ row.users_count }} / 项目{{ row.projects_count }} / Commits{{ row.commits_count }}
/ 变更{{ row.changed_project_ids.length }}个项目
代码分析: {{ row.analyze_completed }}/{{ row.analyze_total }} 个项目完成
{{ row.employee_names }}
{{ row.error_message }}
周期: {{ row.period_label || row.period_type }}
成功 {{ row.evaluated_count }} 人: {{ row.employee_names }}
{{ row.error_message }}
总评分
{{ detailData.evaluation.total_score }}
/ 100 分
创新能力
{{
detailData.evaluation.innovation_score }}
/ 40 分
代码质量
{{ detailData.evaluation.code_quality_score }}
/ 35 分
工程产出
{{ detailData.evaluation.output_score }}
/ 25 分
能力雷达图
创新能力明细 (40分)
问题价值{{ detailData.evaluation.innovation_problem_value }} /
15
方案创新性{{ detailData.evaluation.innovation_solution }} / 15
应用潜力{{ detailData.evaluation.innovation_potential }} / 10
LLM 分析:{{ detailData.evaluation.innovation_llm_analysis }}
改进建议:{{ detailData.evaluation.llm_suggestion.improvement_suggestions }}
代码质量明细 (35分)
架构设计{{ detailData.evaluation.code_quality_architecture }} /
12
代码水平{{ detailData.evaluation.code_quality_level }} / 12
质量趋势{{ detailData.evaluation.code_quality_trend }} / 6
工程规范{{ detailData.evaluation.code_quality_engineering }} /
5
工程产出明细 (25分)
产出规模{{ detailData.evaluation.output_scale }} / 10
贡献深度{{ detailData.evaluation.output_contribution }} / 10
持续性{{ detailData.evaluation.output_continuity }} / 5
管理员调整 (创新能力分数)
关联项目分析 ({{ detailData.projects.length }})
排除选中 ({{ selectedProjects.length }})
恢复选中