AI 编程情报：领域技能、安全检查与代理测试进入日常流程 (2026)

先看结论

过去一日，AI 编程产品的新增动作集中在开发流程的中后段：Visual Studio 把 .NET 和 Azure 专业知识包装成可开关的 Agent Skills，GitHub 把安全检查推到 Copilot 工作区和 Pull Request，AWS 则把视觉导航型代理接进回归测试和 CI/CD。应用侧，Teams 开始把代理当作聊天、频道和会议里的协作者，Anthropic 也把 Claude Code 与 Cowork 放进面向美国 K-12 教师的产品方案。

这组更新的共同点很具体：代理不再只负责生成代码或回答问题，产品开始为它划定工具、权限、验证和交付位置。对工程团队来说，下一步要看的不是「能不能调用模型」，而是每个代理动作能否被复核、被回滚，以及能否进入已有流水线。

动作	直接影响	读者先看什么
Visual Studio 内置 Agent Skills	.NET、Azure 开发者	技能默认关闭，按任务启用
GitHub 两项安全更新	Copilot 与 Advanced Security 用户	本地变更检查和 PR 检查是两条不同路径
AWS QA Studio 参考方案	需要回归测试的 Web 团队	测试套件并行执行，CLI 可接 CI/CD
Teams SDK 与代理平台	企业协作应用开发者	支持 TypeScript、C#、Python、MCP 和多代理通信
Claude for Teachers	美国 K-12 教师与教育工具开发者	产品连接课程标准，同时保留数据与年龄边界

开发入口从「通用代理」变成「领域技能」

Visual Studio 18.8 内置 .NET 和 Azure 技能

Visual Studio 18.8 开始提供由 .NET 和 Azure 团队制作的内置 Agent Skills，入口位于工具选择器的 Built-in 分类。首批 .NET 技能包括 dotnet-webapi 和 analyzing-dotnet-performance，后者覆盖异步、内存、字符串、集合、LINQ、正则、序列化和 I/O 等约 50 类性能反模式，并按严重程度分类。1

Azure 侧的技能覆盖准备、校验、部署、Kusto 日志查询和 Microsoft Foundry。微软给出的部署链路是 azure-prepare、azure-validate、azure-deploy：前者生成 Bicep 或 Terraform 等基础设施文件，中间步骤做配置、权限和 what-if 检查，最后一步执行部署并处理错误。技能目前默认关闭，开发者可以逐个审阅后启用。1

对团队的实际意义是，代理的上下文开始由「通用提示词」转向「可复用的任务包」。使用 Visual Studio 的团队可以先挑一个有明确验收标准的任务试用，例如 API 端点生成或性能扫描，再比较启用技能前后的代码质量、修复次数和 token 消耗。微软目前也在评估技能默认开启后的效果和成本，不能把内置技能直接等同于自动获得正确结果。1

Teams 把代理放进协作现场

Microsoft 365 Developer Blog 宣布启动「Building Agents for Teams」系列，并把 Teams SDK 定位为构建协作型代理的统一入口。SDK 负责身份验证、事件路由和 Teams 平台细节，支持 TypeScript、C#、Python、MCP、agent-to-agent communication，以及 Adaptive Cards、消息扩展、嵌入式 Web 应用、对话框和 Microsoft Graph。2

产品设计上，Teams 区分了私聊里的个人代理和频道、群聊、会议里的公共代理。后者会把代理变成线程中的参与者，回答问题、接收任务或参与会议，而不是藏在一个需要单独打开的侧栏里。对企业开发者而言，难点随之从「接入一个模型」转向消息可见性、权限边界和多人共同确认：一个代理在公共频道里执行的动作，谁能授权，谁能看到上下文，谁负责复核，都要在应用层定义。

安全检查和回归测试开始占据代理工作流

GitHub：本地检查与 PR 检查分成两条路径

GitHub Copilot App 新增 /security-review 公共预览，可直接扫描开发者当前正在修改的代码，返回带严重性和置信度的安全发现，并给出可应用、可重新验证的修复建议。GitHub 列举的覆盖类别包括注入、跨站脚本、不安全数据处理、路径遍历和弱密码学。Copilot Free、Pro、Business 和 Enterprise 用户均可在预览期间尝试。3

另一项更新发生在 Pull Request 内：GitHub code scanning 现在可以展示 AI-powered security detections，目标是覆盖 CodeQL 原生分析尚未支持的语言和框架。AI 发现会标记为 AI，在 PR 打开或更新时运行，结果属于 informational，不会阻止合并。启用它需要 GitHub Advanced Security、企业策略许可、组织级开启，以及仓库启用 CodeQL default setup；预览期间还会消耗组织的 AI credits。4

两条路径的边界值得记住：/security-review 适合开发者在代码落地前做一次轻量、按需的检查，PR 检测适合把更广的覆盖面带进团队评审。二者都不能替代 CodeQL、Dependabot、secret scanning 或人工安全评审；尤其是不会阻断合并的 AI 检测，应该先作为提示信号接入现有流程，再根据误报和漏报数据决定是否增加门禁。

AWS：代理测试从单个用例进入回归套件

AWS 发布的 QA Studio 第二篇参考文章，把 Amazon Nova Act 驱动的视觉导航测试扩展到回归套件和 CI/CD。一个测试套件可以把多个用户旅程并行分发到独立的 ECS on Fargate worker task；文章举例称，20 个测试可以并发执行，而不是逐个串行。QA Studio CLI 还能在 CI/CD runner 上执行用例或测试套件，使用 OAuth 2.0 client credentials 认证，并用退出码区分测试失败和认证、配置、API 等基础设施错误。5

这是一套 AWS 的参考实现，不是跨团队的效果基准。它对工程实践的启发在于，代理测试要想进入发布流程，至少需要三件配套设施：可批量组织的测试定义，能保留轨迹日志、截图和录屏的执行记录，以及能让流水线区分「产品测试失败」和「测试基础设施失败」的状态码。缺一项，代理测试就容易停留在演示环境。

一个垂直应用案例：教师的课程规划与重复任务

Anthropic 推出 Claude for Teachers，面向经过验证的美国 K-12 教师提供免费高级 Claude 能力、教学技能库，以及与 Learning Commons 的连接。产品可读取覆盖美国 50 个州的学术标准，并连接 OpenSciEd、Illustrative Mathematics 等课程资源。方案还接入 ASSISTments、Canva Education、MagicSchool、Snorkl 等教育工具。6

产品里包含 Claude Code 和 Cowork。Anthropic 给出的例子是，教师可以交给 Claude 一组班级数据，用于整理诊断、出勤和教师笔记；也可以把每天批改 exit ticket、调整次日课程的任务设为重复执行。Anthropic 同时写明，用户分享的数据不会用于模型训练，产品有面向 K-12 的数据处理附录，并按 FERPA 合规目标设计。以上是厂商对产品能力和数据处理方式的说明，不等于已经证明教学效果。6

这个案例和开发工具更新放在一起看，变化很清楚：AI 应用的竞争点正在从单次回答转到「接入已有资料、按照权限持续工作、在固定时间重复执行」。对做企业应用的团队来说，垂直领域的高价值部分往往不是再换一个模型，而是把标准、工具、数据保护和人工复核一起编排进任务流程。

给开发团队的三个检查点

先确认代理输出在哪里被人复核。Visual Studio 的技能、GitHub 的安全发现和 AWS 的测试结果都提供了不同形式的检查入口，但默认不代表自动批准。
把权限和成本放进验收条件。Teams 的公共代理要定义频道上下文和动作授权，AWS 的 CLI 要区分执行失败与基础设施错误，GitHub 的 AI 检测则涉及 Advanced Security 和 AI credits。
用可重复任务评估代理。API 端点、性能扫描、回归测试和课程材料调整都比「自由聊天」更适合记录成功率、返工次数、耗时和人工审核成本。

AI 编程情报：领域技能、安全检查与代理测试进入日常流程