AI 编程与应用日报：模型准入按团队切分，评测开始看线上漂移 (2026)

先看结论

过去 24 小时最值得跟进的变化，不是又多了一个模型，而是模型、评测和发布权限都开始被放进更细的组织规则里：GitHub 先淘汰两款 Copilot 模型，再把模型准入下沉到企业团队；Google 把代理评测从开发阶段接到线上流量；npm 则收紧了可绕过 2FA 的令牌权限。另一边，Google 和 OpenAI 给出了两个落地样本：一个是按需加载专业能力的开发框架，一个是把 AI 嵌入理赔和核保工作流的企业案例。

更新	北京时间	发生了什么	先看什么
Copilot 模型弃用	8 月 1 日 04:04 1	Gemini 2.5 Pro、Gemini 3 Flash 在 Copilot Chat、内联编辑、问答与代理模式、代码补全中停止支持；官方建议转向 Gemini 3.1 Pro（预览）和 Gemini 3.6 Flash。	检查固定模型名和 Enterprise 模型策略。
企业团队模型策略	8 月 1 日 02:11 2	Copilot Business / Enterprise 可按企业团队分配模型；企业级策略提供启用、禁用和可选三种状态，预览期支持回滚。	团队模式下组织级模型设置不再生效，需重画权限边界。
npm 绕过 2FA 令牌收紧	8 月 1 日 00:45 3	可绕过 2FA 的 npm granular access token 不能再执行令牌、包权限、维护者和组织成员管理等敏感操作。	自动发布迁移到 trusted publishing（OIDC）或 staged publishing。
Agent Platform 评测 GA	8 月 1 日 08:00 4	Google 将代理与模型评测正式开放到实验、在线监控和遥测流程，提供 20 多种质量、安全、工具调用、轨迹与漂移指标。	把开发集分数与线上任务质量放进同一套验收。
Genkit Agent Skills	8 月 1 日 08:00 5	Genkit Go 支持按需加载专业技能：先暴露 frontmatter，命中后再加载完整 `SKILL.md`、脚本、参考资料和资产。	评估上下文节省是否抵得上技能发现与权限管理成本。
Univé 企业 AI 工作流	7 月 31 日，页面未给出时分 6	OpenAI 客户案例称，Univé 将 ChatGPT Enterprise 和 Workspace Agents 用于理赔、核保等工作；97% 许可证已激活，85% 的授权用户每周活跃。	关注人类最终决策、数据权限和案例口径，不要把数字外推成行业平均。
Glanceboard 开源案例	7 月 31 日，页面未给出时分 7	Google 员工用 Gemini 3.6 Flash 和 Nano Banana 做了本地日程屏：读取家庭日历与天气，生成穿衣插画，显示在电子墨水屏上；代码已开源。	看它作为本地、低打扰应用的参考实现，而不是成熟产品指标。

模型选择不再只是个人偏好，而是组织策略

GitHub 这次的两条更新要连起来看。第一条是生命周期管理：Gemini 2.5 Pro 和 Gemini 3 Flash 已从所有 Copilot 体验中弃用，Enterprise 管理员可能需要在策略中主动打开替代模型；GitHub 说明，旧模型不需要管理员手动移除，但依赖固定模型名的脚本、教程和内部规范仍需检查。1

第二条是分配方式：面向 Copilot Business 和 Enterprise 的公开预览，允许管理员把模型策略指向企业团队。策略有「Enabled」「Disabled」「Optional」三种状态；一旦启用企业团队模式，组织级模型设置不再适用。GitHub 还采用较宽松的可用逻辑：用户只要从任一企业团队获得某模型权限，就能在所有位置使用它。2

这意味着模型治理要至少分三层写清楚：模型是否仍受支持、哪些团队可以看到、哪些任务允许实际调用。只在 Copilot 设置里打开模型，不等于完成了第三层。特别是代理能访问代码仓库、部署工具或敏感数据时，模型准入和工具权限不能共用一个总开关。

评测和发布权限，开始变成上线门槛

Google 将 Gemini Enterprise Agent Platform 的 Agent and Model Evaluations 推向 GA，重点不只是增加一组分数，而是把开发期实验和生产期监控放到同一套评测引擎。官方称平台提供 20 多种预置指标，覆盖质量、安全、grounding（回答是否有依据）、工具调用、轨迹和最终响应；也支持自定义代码指标与 LLM-as-a-judge。实验可以在客户端或服务端运行，线上监控则支持采样、筛选、按时间查看分数和漂移告警。4

对工程团队来说，最有用的入口是「同一任务，开发集和真实流量分别打分」。如果上线后质量下降，团队至少可以区分是模型变了、工具链变了、数据变了，还是评测样本本身失效。这个能力仍有成本边界：基于模型的评审按标准费率计费，服务端实验会产生 Cloud Storage 费用，区域与企业安全能力也以支持列表为准。4

npm 的更新把同一逻辑放到了软件供应链。可绕过 2FA 的 granular access token 现在不能管理令牌、包权限、维护者、组织成员或 trusted publishing 配置；这些动作需要交互式 2FA。GitHub 还表示，计划在 2027 年 1 月进一步取消这类令牌的直接发布权限，自动发布应迁移到 OIDC trusted publishing 或 staged publishing。3

对 AI 编程团队，这不是 npm 的孤立改动。代理如果能改代码、创建 PR、触发 CI，却仍能用一枚绕过 2FA 的长期令牌直接改包权限，供应链的最弱环节就不在代码生成，而在发布凭证。今天可以先盘点三类凭证：代理使用的、CI 使用的、人工维护使用的；它们不应共享同一条「免交互」路径。

上下文管理正在从提示词技巧变成开发框架能力

Google 在 Genkit Go 中加入 Agent Skills，把专业能力拆成可发现、按需加载的模块。系统先读取技能的 frontmatter，只有请求命中描述后，才加载完整的 SKILL.md 以及可选脚本、参考资料和资产；技能通过配置的 SkillPaths 发现。Google 同时说明，Agent Skills 也已支持 TypeScript、Dart 和 Python，示例建议使用最新版 Genkit SDK。5

这解决的是上下文预算问题，但没有自动解决技能安全问题。技能描述写得越宽，越容易被不相关请求触发；技能附带脚本和外部资料，也需要单独审查来源、读写权限和工具调用。适合先从只读、低风险的专业知识模块开始，再评估是否允许它携带执行脚本。

企业案例的信号：AI 先准备材料，人仍负责结论

OpenAI 发布的 Univé 客户案例称，这家保险公司把 ChatGPT Enterprise 和 Workspace Agents 用到宠物保险理赔、核保等工作流。理赔代理会整理案件材料、查看兽医账单、核对保单条件、找缺失信息并标出异常，最后由受训理赔人员做决定；核保代理则处理队列、合并获准企业数据、标出风险提示和优先级。6

案例给出的量化信息包括 97% 的许可证激活率、85% 的授权用户周活、约 1,500 个员工自建 GPT，以及每名活跃用户每周约 40 次提示。OpenAI 还称，原本需要数小时准备的理赔工作现在可在数分钟内完成。它们都是供应商客户案例中的单一公司数据，不能当作行业平均效率；真正值得复核的是权限继承、审计记录和人工决策责任是否落到了流程里。6

另一个更小但更具体的样本来自 Google 员工的 Glanceboard。它运行在轻量本地服务器上，读取家庭 Google Calendar 和当地天气，再调用 Gemini 3.6 Flash 与 Nano Banana 生成孩子穿着适合天气的插画，最后显示在电子墨水屏上；Google 已公开其代码和硬件细节入口。7

这个案例的可取之处不是「vibe coding」本身，而是把 AI 放在一个低频、低风险、可本地运行的窄工作流里：日历是输入，天气是约束，电子墨水屏是输出。它没有披露用户规模、稳定性或长期维护数据，因此更适合拿来讨论应用边界，不适合拿来证明自然语言开发已经能替代完整产品工程。