本期简报以公开、可核验的一手更新为主。周末没有追逐未经证实的“爆料”，而是把最近两天 GitHub 官方更新里值得开发者留意的信号做一次整理。
1. CodeQL 开始覆盖 AI 提示注入检测
GitHub 发布的 CodeQL 2.26.0 加入了 AI prompt injection detection，同时带来 Kotlin 2.4.0 支持。对使用代码扫描的团队而言，这个变化的重点不是把安全工作交给一个“万能 AI”，而是把面向模型与工具调用的新型输入风险，纳入更接近现有开发流程的静态分析体系。
值得关注的是后续规则的适用范围、误报率，以及团队如何把扫描结果接入评审和修复闭环。
官方更新：CodeQL 2.26.0
2. GitHub Mobile 优化 Copilot 会话的筛选与排序
GitHub Mobile 为 Copilot sessions 增加了更清晰的筛选与排序能力，面向会话数量增长后的查找与回顾。它看似是小功能，却反映出一个现实：当 AI 协作从偶发问答变成连续工作流，如何定位上下文、区分任务与回看历史，会逐渐成为产品体验的一部分。
对个人开发者来说，建议把重要任务用清晰命名和阶段性摘要沉淀下来；工具提供筛选，工作习惯才能让筛选真正有效。
官方更新：GitHub Mobile 的 Copilot sessions
3. Copilot 可生成仓库概览，降低接手陌生项目的门槛
GitHub 允许用户在首次浏览一个仓库时向 Copilot 请求高层概览。对于阅读开源项目、排查依赖关系或新成员入组，这类“先给地图、再钻细节”的能力很实用；但概览应当被视为阅读入口，而不是事实终点。
一个稳妥的使用方式是：先用概览建立问题清单，再回到 README、目录结构、测试与关键提交逐项验证。这样既省下找路时间，也避免把模型摘要误当作完整架构文档。
官方更新：Ask Copilot for a repository overview
4. GPT-5.6 系列正在接入 GitHub Copilot
GitHub 的更新说明称，OpenAI GPT-5.6 系列正逐步向 GitHub Copilot 推出，并提供 Sol、Terra、Luna 三个变体以匹配不同任务。对团队而言，比起只比较模型名称，更实际的问题是：不同任务的成本、响应质量、上下文长度与合规要求，如何对应到可理解的使用策略。
建议在试用阶段保留少量可复现任务，记录不同模型在代码解释、重构建议、测试生成和安全审阅上的表现，再决定默认选择。
官方更新：GPT-5.6 in GitHub Copilot
5. 观察：AI 开发工具正在从“生成”走向“可管理的协作”
把上面几项放在一起看，信号很清楚：一边是输入安全被纳入扫描；一边是会话、仓库理解与模型选择变得更可管理。下一阶段的差异，未必只在生成速度，而在于能否让开发者清楚知道上下文从哪里来、结果如何被验证、协作如何被追溯。
来源说明：本期仅引用 GitHub Changelog 的公开官方页面；链接均可公开访问与复核。
