GitHub 于 2026 年 7 月 10 日宣布，code scanning alerts 的 agentic autofix 进入 public preview。当开发团队把一个安全警报 assign 给 Copilot，agent 会跨文件探索相关代码、提出修复、重新运行 CodeQL 验证，再创建一个 draft pull request 交给人审核。
这和传统的「Generate Fix」有明显区别。GitHub 将新流程描述为由 agent 以开发者的方式处理警报：先理解相关 code path，再生成修复，然后用 CodeQL 检查修复是否真的关闭原本的 alert。如果验证仍未通过，agent 可以继续迭代，直到产出一个可以 review 的变更。
官方表示，一般 fix generation 约需 2 至 4 分钟。生成的 pull request 会包含修复摘要、说明为什么这个修复可以关闭警报，以及 Copilot 使用过哪些 validation steps。开发者也可以在 pull request 留言，或在 repository 的 Agents tab 里与 session 互动，要求 agent 进一步修改。
触发方式包括在单个 code scanning alert 上 assign 给 Copilot、在 security alerts list 中选择多个警报合并处理，或者在 security campaign 中一次选择多个警报。GitHub 也提供 REST API 方式，把 assignees 设为 "copilot-swe-agent[bot]"，让修复流程可以接入现有的安全运营工具。
这项 public preview 并不是无条件开放。组织需要有 GitHub Code Security 或 GitHub Advanced Security license，以及启用 Copilot cloud agent 的 Copilot license。Agentic autofix 会消耗 organization 的 AI Credits，相关活动也会消耗 GitHub Actions minutes；管理员可以在 organization 或 enterprise policy 中关闭这项功能。
对于安全团队来说，最重要的设计是「agent 生成 draft PR，而不是直接合并」。这保留了人工审批、测试和变更范围检查，也让团队可以把 agent 放在低风险、高重复性的修复工作中试行。真正要评估的，不只是修复速度，还包括 false fix、回归风险、AI Credits 成本和权限边界。
更大的讯号是，AI coding agent 正开始形成一条从发现、理解、修复、验证到 review 的闭环。当 CodeQL 负责检测，Copilot 负责提出跨文件变更，而人负责最后批准，安全修复就由一次性的手工工作，变成可以被治理的 workflow。这种模式未必适合每一种漏洞，但对于有大量重复 alert 的团队，值得在清晰 guardrails 下测试。
