GitHub 最近推出 Agentic Workflows（智能体工作流）技术预览版。据 GitHub 介绍，这是一种借助可理解上下文与意图的编码智能体来自动化完成复杂、重复性仓库任务的全新方案。该技术可实现自动问题分类与标注、文档更新、CI 故障排查、测试优化及报告生成等工作流。
我们最初探索 GitHub Agentic Workflows 源于一个简单的问题：在 AI 编码智能体时代，具备强大安全防护机制的仓库自动化会是怎样的形态？而一个很自然的切入点就是作为 GitHub 上可扩展仓库自动化核心的 GitHub Actions。
GitHub Agentic Workflows 利用了大语言模型的自然语言理解能力，让开发者只需通过简洁的 Markdown 文件定义自动化目标、描述预期结果，随后编码智能体便可通过 GitHub Actions 执行这些指令。
这样可以在现有的自动化基础设施之上构建智能体工作流，继承权限管理、日志记录、沙箱隔离和可审计性等能力，同时融入额外的安全控制机制，从而实现“真正可持续运行的智能体”。该架构大量使用隔离沙箱来运行智能体与 MCP 服务器，避免单个组件被入侵后影响整个系统；智能体由防火墙保护，仅能访问开发者明确授权的资源。
此外，该系统具备强大的安全防护机制，可将 AI 决策安全地集成到 CI 流程中。工作流默认以只读权限运行，任何写入操作（如创建 PR 或 Issue）都必须经过安全输出流程，确保输出可审查、可管控。
GitHub 表示，开发者也可采用另一种方案：将 Copilot、Claude 等编码智能体的 CLI 直接集成到标准的 GitHub Actions YAML 工作流中。但这样做，会授予智能体超出特定任务所需的过多权限。
GitHub 重点介绍的示例包括持续分类、文档维护、代码质量改进、每日状态报告等，体现了 GitHub 所提出的持续 AI（Continuous AI）的愿景。据 GitHub 表示，无论是智能体工作流还是持续 AI，其目的都是增强而非取代现有的 CI/CD 流程，并确保人类始终参与拉取请求审批等关键决策环节。
GitHub Agentic Workflow 的定义采用 Markdown 文件的形式，包含两个部分：第一部分使用 YAML 指定配置细节，例如何时运行工作流、所需权限、输出内容以及使用的工具；第二部分用自然语言描述任务，如下例所示：
# Daily Repo Status Report Create a daily status report for maintainers. Include - Recent repository activity (issues, PRs, discussions, releases, code changes) - Progress tracking, goal reminders and highlights - Project status and recommendations - Actionable next steps for maintainers Keep it concise and link to the relevant issues/PRs.在 Hacker News 上，woodruffw 表达了对持续 AI 这一宽泛概念的担忧，但同时也指出，利用 LLM 生成工作流规范或许具备一定价值：
我能理解让 LLM 辅助开发 CI/CD 工作流的价值，但想不明白为什么要让它以持续运行的方式参与到 CI/CD 流程中？
wiether 评论称，这种结合 YAML 和 Markdown 的工作流格式“糟糕得可笑”，在一定程度上背离了“让非技术人员以低代码/无代码方式创建自己的工作流与 CI”这一目标。
最后，ljm 对使用智能体 AI 可能带来大量额外开销表示担忧，并表示不希望“任何借助生成式 AI 进行重构或文档维护的工作流刷屏我的仓库”。
如前所述，GitHub Agentic Workflow 仍处于技术预览阶段，暂不适合用于生产环境。如需更多工作流示例，GitHub 建议开发者查看 Peli 的 Agent Factory。
原文链接：
https://www.infoq.com/news/2026/02/github-agentic-workflows/
