GitHub 如何用 ModernBERT 分类器更少误报地检测密钥
GitHub 用微调的 ModernBERT 分类器替换此前基于 LLM 的密钥扫描流水线,在正则召回候选后结合文件路径、变量名和上下文判断是否为真实凭据。新流水线使推送后扫描中位执行时间降低 86%、服务成本降低超 98%,告警接受率提升 11.5%,并让通用密钥检测得以进入推送保护阶段。
GitHub 用微调的 ModernBERT 分类器替换此前基于 LLM 的密钥扫描流水线,在正则召回候选后结合文件路径、变量名和上下文判断是否为真实凭据。新流水线使推送后扫描中位执行时间降低 86%、服务成本降低超 98%,告警接受率提升 11.5%,并让通用密钥检测得以进入推送保护阶段。
GitHub Copilot 入门系列介绍四种让 Copilot 适配项目的方式:仓库级与路径级自定义指令、打包可复用流程的 agent skills、面向大型任务的 custom agents,以及连接外部工具和数据的 MCP servers。
GitHub 发布与 Microsoft Applied Sciences 联合微调的 ModernBERT 分类器,把 push protection 扩展到无固定格式的密钥,可在 2 毫秒内评估一批候选密钥,有望让可拦截的密钥数量翻倍以上。
GitHub 发布 AI 代码审查开放基准 ReviewBench,基于 1.039 亿个 GitHub PR 的分布特征,构建了覆盖 19 种语言、219 个公开 PR 的评测集。
GitHub 博客提出 AI 时代开发者应强化的三项技能:学会指挥 AI 智能体而非仅使用它,不轻信 AI 的第一个答案,以及用 AI 省下的时间解决更大的问题。文中以 GitHub Copilot 内置的 Rubber Duck agent 为例,说明用第二个模型审查计划、代码和测试能发现首个模型遗漏的问题。
GitHub Copilot 应用中的 canvas 是一种可自定义界面,用户和智能体共享同一份状态,可做成看板、问题分诊板、发布清单或仪表盘。创建时在智能体会话中输入 /create-canvas 技能并用自然语言描述工作流,智能体就会生成界面并打开在右侧面板,之后可继续让智能体增删列、筛选或接入未关闭的 pull request。
GitHub Copilot 应用推出 canvas,一种在应用内运行、无浏览器外壳的全栈小应用,可与 Copilot 智能体双向通信。官方演示用 canvas 做 Connect 4 对战、Winget 包管理和 SQLite 操作,并称让智能体造工具比反复用聊天消耗 token 更划算。canvas 可调用第三方 API 并本地执行代码,复杂工作流示例约需一天调好。
GitHub Security Lab 发布 Fuzzing Taskflow,这是一个面向 C/C++ 项目的自主模糊测试流水线,只需指向一个 GitHub 仓库,智能体就会自动识别入口点、分析构建系统、编写 harness、运行 AFL++、读取覆盖率报告并改进 harness,再对每个崩溃做分类并生成漏洞报告。
推荐理由:作者公开了这套自主模糊测试流水线的架构与运行方式,读者可据此判断哪些人工环节能交给 LLM 智能体。