菜单

AI 埋点全流程

简介

传统的埋点工作流中，研发逐条手工插桩极易产生遗漏与偏差，而验收阶段依赖人工抓包或解析 SDK 日志，耗时且难以覆盖真实业务场景。Sensors CLI 的 AI 埋点能力旨在解决这些痛点：

目前支持的端

AI 埋点全流程包含三个阶段，每个阶段均有对应的 AI 能力支撑：

阶段	定义	适用场景
埋点设计	根据产品需求梳理业务目标、分析指标和用户路径，并对照神策项目中已有的事件、属性和用户关联方案，确定哪些可以复用、哪些需要新增，最终产出可直接交给研发实施的埋点采集方案。	1. 新版本/新功能迭代：PRD 评审后，快速生成结构化的埋点需求文档，拉齐产研认知。 2. 存量埋点补充或改造：检查现有事件和属性能否复用，避免重复建设、命名冲突和统计口径不一致。
埋点实施	将标准化的采集方案无缝转化为项目源码中的埋点代码，并自动完成 SDK 接入与配置的过程。	1. 新项目冷启动：从零接入神策 SDK，并完成基础事件与核心业务事件的代码插桩。 2. 版本迭代新增埋点：针对新业务需求埋点，在现有庞大代码库中批量、精准地定位并插入代码。
埋点测试	验证埋点数据是否在真实运行环境下按预期准确上报的闭环验收过程。	1. 提测/发版前验收：在代码合并或发版前，自动化跑通核心业务流，确保埋点无漏报、错报。 2. 测试回归：快速检查埋点触发是否正常。

目的将非结构化的业务需求（如 PRD 文档）转化为 AI 可精准解析、机器可校验的标准化采集方案，作为后续代码实施与数据验收的“基准契约”。

核心用处与价值

AI 辅助生成与规范：AI 可阅读 PRD 自动推导所需的事件与属性，并规范“触发时机”的描述粒度（例如：将模糊的“支付时”精准化为“支付成功回调后”），确保插桩位置准确无误。
智能过滤预置事件：自动识别并剔除 $ 开头的系统预置事件与属性（如 $AppStart、$title），避免在后续元数据校验环节引发报错。
产出标准化物料：输出结构化的采集方案，确保产品、研发与数据团队对采集口径达成 100% 一致，消除沟通信息差。

详细使用参照 ：「AI 埋点设计」帮助文档

目的将标准化的采集方案无缝、精准地转化为项目源码中的埋点代码，并确保代码逻辑与神策平台元数据严格对齐，完成 SDK 接入。

核心用处与价值

真实框架自适应：不盲从方案表格中的“平台”字段，而是通过扫描源码精准识别真实技术栈（例如：Android 平台、iOS 平台），从而匹配正确的 SDK 与插桩逻辑。
自动化插桩与配置：自动完成 SDK 依赖安装、server_url 配置，并在正确的业务触发点写入埋点代码，免除研发逐条手工埋点的繁琐。
元数据一致性拦截（安全防线）：实施前自动通过 Sensors CLI 比对方案与神策平台元数据。若发现事件或属性未创建/类型不一致，AI 将主动暂停实施并输出 metadata-check-feedback 反馈表，从源头杜绝“脏数据”和错误埋点写入代码。

详细使用参照：「AI 埋点实施」帮助文档

目的在代码提交或发版前，以自动化手段验证埋点数据是否在真实运行环境下按预期准确上报，彻底替代低效的人工抓包与 SDK 日志解析。

核心用处与价值

真实业务场景驱动：自动运行项目，真实触发加购、下单等复杂业务流，而非简单的 Mock 测试或单元测试。
SDK 边界精准校验：直接在神策 SDK 的事件发送边界采集完整的 Payload JSON 进行比对。不使用 Mock、不依赖网络抓包、不解析 Console 日志，确保校验结果 100% 还原数据上报真相。
分钟级验收报告：自动生成《运行时验证报告》，直观展示各事件的“通过 / 未通过 / 未触发”状态，并附带真实 Payload 与代码级修复建议，将埋点验收耗时从小时级压缩至分钟级。
多端平台覆盖：支持 Web (浏览器)、iOS (Simulator)、Android (Emulator/真机) 及 Java 服务端的自动化运行与校验。

详细使用参照：「AI 埋点测试」帮助文档

跑完全流程后，您将获得以下标准化交付物，可直接用于团队评审与验收：

产物名称	说明
埋点实施报告.html	核心交付物：含实施范围、事件明细、代码改动 Diff、校验结果、安全合规说明
运行时验证报告.html	各事件显示“通过 / 未通过 / 未触发”，附带真实 Payload 与失败原因。
metadata-check-feedback.xlsx	逐条列明“方案 vs 平台”不一致项，指导修正。

交付产物路径：项目根目录/analytics/reports/

上一个

通用分析模型 (sensors-insight)

下一个

埋点实施

最近修改: 2026-08-12