
Содержание3 разделов
GitHub объявила общую доступность Agentic Autofix для предупреждений code scanning. Агент изучает связанные файлы и предлагает изменение, затем повторно запускает CodeQL. Результат оформляется в черновик pull request для ревью. Такой порядок помогает подготовить исправление, но не отменяет проверку поведения программы.
Анонс датирован 15 октября 2026 года. Редакция проверила его и действующую инструкцию доступа 18 октября. Сам сервис в рабочем репозитории в рамках этого материала не запускали.
Сначала проверьте право запуска и расходы
В анонсе речь о GitHub Enterprise Cloud с Code Security или Advanced Security. Текущая инструкция также описывает подходящие публичные репозитории и организационные репозитории с этими продуктами. Лицензия Copilot для пользователя не требуется. Это не означает, что функция включена в любом проекте.
Разрешения проходят через уровни предприятия, организации и репозитория. После public preview функцию нужно включить снова. Перед включением владелец проекта должен проверить расходы: используются AI Credits и минуты GitHub Actions.
Убедитесь также, что предупреждение относится к основной ветке. По анонсу, alert только в pull request или другой ветке нельзя назначить Copilot таким способом.
Проверьте исправление с двух сторон
Предлагаемая редакционная проверка начинается с конкретного предупреждения. Запишите исходный путь до ошибки: какое значение поступает извне, до какой операции оно доходит и какой результат нужно исключить. Затем сравните этот путь с изменённым кодом и результатом повторного сканирования.
Учебный пример: функция выдачи документа должна пропускать разрешённое имя файла и отклонять неверный ввод. Исправление, которое всегда возвращает отказ, может убрать проблемную операцию целиком. Проверка только неверного ввода этого не обнаружит. Нужен второй, разрешённый запрос с заранее известным содержимым ответа.
Поэтому проверьте и сохранность обычной функции. Исходный alert может исчезнуть при сломанном штатном сценарии. Такое изменение пока не готово. Чтение diff и тест ожидаемого результата отвечают на разные вопросы.
Попросите доказательства в PR
Сверьте описание агента с фактической правкой. Какие тесты выполнены, какая версия кода просканирована, есть ли пропущенные проверки? Непроведённый тест нельзя считать успешным. Наш пример задаёт критерии ревью, без обещания, что они исчерпывают проверку безопасности.
Для оценки замечаний ИИ есть разбор ReviewBench. Перед запуском агента стоит отдельно проверить границы его доступа.
Обложка создана нейросетью как иллюстрация темы. Она не показывает реальный интерфейс или конкретную модель устройства.
Для поиска риска в самом pull request есть отдельная AI Scan с рекомендательными находками. Они не блокируют слияние через ruleset, поэтому состояние проверки нужно отличать от решения по замечанию.
Для выгрузки сведений о зависимостях нужен отдельный контроль: новое поле версии Dependabot не всегда описывает все установки.

Как вам материал?



Комментарии