代码审查原本是 AI 开发工具里最克制的入口模型看一眼 diff留下几条评论最后仍由人决定改不改。7 月 29 日GitHub 往前走了一步。Copilot code review 正式接入 agent skills 和 MCP server。它不只看代码还能读取团队写在仓库里的规范或者从工单、文档和服务目录里补上下文。这一步看起来像“审查更懂业务”实质上却在回答一个更麻烦的问题当模型、上下文和工具越来越多谁来决定它能看什么、用什么以及出了问题以后怎么追代码审查不只看 diff 了GitHub 建议把团队规范写进.github/skills下的SKILL.md。编码标准、内部工具用法、仓库特有的审查要求都可以成为 Copilot review 的上下文。MCP 则负责把仓库外的信息接进来比如 issue、项目文档或服务目录。Copilot 的审查评论可以标注它使用了哪个 skill 或 MCP 上下文。来源GitHub Changelog这里有两个边界值得注意。第一代码审查里的 MCP 调用限定为只读。review bot 可以查资料但不能顺手改掉外部系统。第二评论会标注使用过的 skill 或 MCP 上下文。审查者至少知道这条建议从哪里来而不是面对一句无法追溯的“AI 认为应该这样改”。这比往提示词里塞一大段规范可靠。提示词通常是一次性的也很难确认模型到底读了什么。把规范做成仓库资产再把上下文使用情况留在评论里团队才有机会复查和维护。模型选择也被管理员接管同一天GitHub 还公布了 Copilot Business 和 Enterprise 的默认模型启用策略。以后已经正式可用的 Copilot 模型可以跟随组织或企业级策略自动开放不必等管理员逐个勾选。新策略先进入 28 天的配置窗口期间可以设置但不会生效计划从 2026 年 8 月 26 日开始影响模型可用性。GitHub 保留了几个限制管理员显式启用或禁用过的模型不会被覆盖开源权重模型以及不在 GitHub 数据保留协议范围内的模型也不会因为默认策略自动开放。这件事的影响不在“少点几次开关”。默认开放能减少配置滞后但也可能让一个尚未通过内部评测的新模型更快进入开发流程。默认关闭更稳却会把审批和测试压力集中到平台团队。模型选择已经不是开发者个人偏好而是一项需要记录和复盘的企业策略。GitHub 随后扩展 Copilot app usage metrics把会话、请求、prompt、token 和代码活动按用户、功能、模型、语言等维度汇总。管理员终于可以回答一些过去很模糊的问题哪个模型在什么场景被使用代码审查和 coding agent 的消耗有何差别某个团队的增长来自真实工作还是试用。速度和地域变成一个参数Vercel 的 AI Gateway 从另一侧做了相似的事。它把模型服务的速度和地域收进统一参数不要求业务代码绑定某个 provider 的私有配置。fast mode 目前处于 beta。开发者在providerOptions.gateway中设置speed: fast网关会在存在快速 serving path 时使用它没有可用快速路径就回落到标准速度。同一个speed参数可以跨模型请求快速服务路径。来源Vercel Changelog这个抽象省掉了 provider 适配却没有消除代价。Vercel 明确提醒fast variant 通常比基础模型更贵。延迟和 token 成本因此成了同一条路由策略上的两个旋钮。区域推理更接近合规控制。请求可以把inferenceRegion指定为 US 或 EU如果没有 provider 能在目标区域服务请求会失败不会偷偷改走全球路由。响应还会报告实际服务区域。inferenceRegion把推理区域写进请求。来源Vercel Changelog不设置时仍然是全球路由没有数据驻留保证。设置区域后provider 可能收取更高费率Vercel 给出的常见幅度约为 10%并称不会额外加价转售。平台收拢控制不替团队做决定GitHub 和 Vercel 都在把零散配置收进平台控制层技能放在哪里MCP 能不能写哪些模型默认开放请求走快速还是标准路径推理留在哪个区域最后都能被设置和审计。但控制层不是把选项集中到一个后台就结束了。Martin Fowler 站点上 Rahul Garg 对多 agent 工作流的复盘提到一个很实际的问题主 orchestrator 的工作记忆会被无关 transcript、重复探索和中间噪声污染。他把是否需要共享同一套心智模型称为 “cognitive locality”。任务拆得过细多个 agent 会重复重建上下文平台接入再多工具也只是让噪声进得更快。所以团队真正要管的不只是模型名单。哪些规范值得进入每一次审查哪些 MCP 数据可以读取fast mode 的额外成本是否换来了交付时间区域限制失败后能否明确退出这些都需要自己的规则。AI 编程平台正在“收权”但这并不天然是坏事。控制点集中以后边界更容易被看见也更容易被审计。前提是团队没有把默认值当成答案新模型先过内部任务外部上下文坚持最小权限高成本路径有预算阈值每一次自动决策都留得下记录也停得下来。