
Содержание2 разделов
GitHub объявила общую доступность AI Scan для pull request 15 октября 2026 года. Сервис дополняет CodeQL при анализе изменений, в том числе для PHP и Shell/Bash. Находки помечаются значком AI. Главная граница: они носят рекомендательный характер, не проваливают проверку code scanning и не могут остановить слияние через требования ruleset.
Анонс проверен 19 октября. Анализ запускается при включённых code scanning и действующей настройке AI Scan. PR из форков и PR, созданные Dependabot, исключены. Для публичных репозиториев доступ описан без обязательной лицензии Copilot; для приватных и внутренних репозиториев организаций нужен Code Security или Advanced Security. Расходуются Code Security AI Credits.
Зелёный значок отвечает на более узкий вопрос
Учебная ситуация: разработчик меняет обработку загружаемого файла. В PR появляется замечание AI Scan о возможной проблеме, при этом обязательные проверки зелёные. Автор делает вывод: раз слияние разрешено, находка уже опровергнута.
Такой вывод не следует из правил сервиса. Разрешение слить PR и оценка замечания относятся к разным решениям. В этом примере ревьюеру ещё нужно открыть место в коде, восстановить путь входных данных и решить, подтверждается ли риск. Состояние обязательных проверок этого рассуждения не содержит.
Разделите четыре состояния до ревью
- PR исключён из анализа. Отсутствие замечаний здесь не говорит о проверке изменений.
- Анализ настроен, но результата пока нет. Сначала выясните состояние запуска.
- Результат есть, замечаний нет. Это не доказательство отсутствия всех дефектов.
- Результат содержит находку. До решения о слиянии зафиксируйте, почему её принимают или отклоняют.
Этот список представляет порядок редакционного разбора, без испытания AI Scan на рабочем проекте и без оценки точности её модели. Он полезен, когда команда хочет включить инструмент в существующее ревью: отдельно запишите, кто смотрит рекомендательные находки и где сохраняется решение. Новая кнопка сама не назначает ответственного.
Исправление найденного дефекта обсуждаем в разборе Agentic Autofix. Для оценки качества автоматического ревью есть материал о ReviewBench. У этих задач разные критерии: обнаружить риск, объяснить его и сохранить нужное поведение после правки.
Обложка создана нейросетью как редакционная иллюстрация темы. Она не показывает реальный интерфейс программы или конкретную модель устройства.
Другой этап защиты находится до установки зависимостей: проверка npm через package firewall требует настройки самой среды агента.
Источники

Как вам материал?



Комментарии