GitHub 於 2026 年 7 月 20 日宣布 Code Quality 在 GitHub Enterprise Cloud 和 GitHub Team 正式推出。產品針對的是一個很直接的工程問題：AI 讓程式碼產出速度提高之後，團隊如何仍然維持可理解、可維護和可靠的程式碼。
Code Quality 把 CodeQL 的確定性分析和 AI 輔助檢測放在同一個 pull request 流程，再由 Copilot Autofix 提出修正建議供人審閱。這個組合把兩種能力分開：規則和靜態分析負責可重複的檢查，AI 負責補充較難以單靠現有規則涵蓋的維護性和可靠性問題。
GitHub 表示，在其自己的工程組織中，Code Quality 發現的問題有 67.3% 在 pull request 合併前被解決。這是 GitHub 的內部使用數字，不能直接視為所有團隊的預期結果；實際比例會受程式碼庫、團隊規則、測試和問題嚴重程度影響。
由公開預覽進入 GA 後，Code Quality 新增組織級啟用、跨程式碼庫的可維護性和可靠性 dashboard、直接從 Cobertura XML 渲染的測試覆蓋數字，以及可以透過 rulesets 設定的 quality gates。ruleset 亦提供 evaluate mode，讓團隊先觀察門檻效果，再決定是否阻止合併；產品還提供管理 repository 啟用和取得 findings 的 API。
收費模式同樣值得留意。GitHub 將 Code Quality 定位為獨立付費產品，而不是 Advanced Security 的附送功能。公告列出的基礎價格是每個 active committer 每月 10 美元，AI 輔助檢測和 Copilot Autofix 另有按用量計費，CodeQL 確定性分析則會產生 GitHub Actions 的計算成本。產品在 2026 年 7 月 20 日 GA 後開始計費，初期不支援 GitHub Enterprise Server。
這個產品的價值不只是多一個 AI 審查員，而是把 AI 產出的速度和質量門檻放在同一個交付流程。對團隊而言，真正需要監測的不應只是 findings 數量，還包括修正後是否通過測試、是否增加 review 延遲、哪些規則最常誤報，以及 quality gates 是否與實際部署風險相關。
當 coding agent 可以同時建立大量 pull request，確定性檢查、AI 輔助建議、覆蓋率和人工批准點就會成為同一個治理層。GitHub Code Quality 的 GA 顯示，AI 軟件工具的競爭已不只在於產生更多 code，也在於能否讓團隊有足夠證據去決定哪些變更值得合併。
