GitHub 于 2026 年 7 月 20 日宣布 Code Quality 在 GitHub Enterprise Cloud 和 GitHub Team 正式推出。产品针对的是一个直接的工程问题：AI 提高代码产出速度之后，团队如何仍然维持可理解、可维护和可靠的代码。
Code Quality 把 CodeQL 的确定性分析和 AI 辅助检测放在同一个 pull request 流程，再由 Copilot Autofix 提出修复建议供人审阅。这个组合把两种能力分开：规则和静态分析负责可重复的检查，AI 负责补充较难单靠现有规则覆盖的维护性和可靠性问题。
GitHub 表示，在其自己的工程组织中，Code Quality 发现的问题有 67.3% 在 pull request 合并前被解决。这是 GitHub 的内部使用数字，不能直接视为所有团队的预期结果；实际比例会受代码库、团队规则、测试和问题严重程度影响。
由公开预览进入 GA 后，Code Quality 新增组织级启用、跨代码库的可维护性和可靠性 dashboard、直接从 Cobertura XML 渲染的测试覆盖数字，以及可以通过 rulesets 设置的 quality gates。ruleset 也提供 evaluate mode，让团队先观察门槛效果，再决定是否阻止合并；产品还提供管理 repository 启用和取得 findings 的 API。
收费模式同样值得关注。GitHub 将 Code Quality 定位为独立付费产品，而不是 Advanced Security 的附送功能。公告列出的基础价格是每个 active committer 每月 10 美元，AI 辅助检测和 Copilot Autofix 另有按用量计费，CodeQL 确定性分析则会产生 GitHub Actions 的计算成本。产品在 2026 年 7 月 20 日 GA 后开始计费，初期不支持 GitHub Enterprise Server。
这个产品的价值不只是多一个 AI 审查员，而是把 AI 的产出速度和质量门放在同一个交付流程。对团队来说，真正需要监测的不应只是 findings 数量，还包括修复后是否通过测试、是否增加 review 延迟、哪些规则最常误报，以及 quality gates 是否与实际部署风险相关。
当 coding agent 可以同时建立大量 pull request，确定性检查、AI 辅助建议、覆盖率和人工批准点就会成为同一个治理层。GitHub Code Quality 的 GA 表明，AI 软件工具的竞争不只在于产生更多 code，也在于能否让团队有足够证据决定哪些变更值得合并。
