随着我们步入 2026 年下半年，AI 格局正在经历深刻变革。在以开发者为中心的 GitHub Copilot 生态系统和以生产力为核心的 Microsoft 365 Copilot 套件中，我们都在见证一场根本性转变——从被动的、单提示词的自动补全工具，转向主动的、自主的、持久化的智能体工作流。
对于 IT 领导者而言，这一演进需要战略上的转向。这已不再仅仅是部署生成式 AI 来节省基础任务时间的问题；而是要编排完全自主的智能体，让它们能够在你的企业环境中执行复杂的多步流程。本周的研究综述重点介绍你需要了解的关键更新，从持续智能体的正式发布到新的经济模型和增强的企业治理。
1. 智能体化 AI 的兴起：Microsoft Scout 与 Copilot Cowork
Microsoft 近期更新的核心主题是从局部化聊天界面转向持久的、长时间运行的上下文工作。
最近在 Build 2026 上发布、目前向 Frontier 客户提供的 Microsoft Scout，代表了该公司首个始终在线的"Autopilot"智能体。与等待提示词的标准聊天机器人不同，Scout 在云、桌面和 Web 环境中持续运行。通过整合来自 Teams、Outlook、OneDrive 和 SharePoint 的信号，Scout 主动监控并协助整个数字工作空间，充当一个真正的持续企业 copilot。
与此同时，Copilot Cowork 已于 2026 年 6 月 16 日正式发布。这一企业智能体在 Microsoft 365 生态系统中随时间编排多步任务执行。借助品牌化模板、集成的安全性以及无缝引入合作伙伴插件的能力，Cowork 将 Copilot 转变为一个能够处理复杂项目编排而非简单问答的稳健工作流引擎。
为用实时企业数据驱动这些智能工作流，Microsoft 还使 Federated Copilot Connectors 正式可用。基于 Model Context Protocol (MCP) 构建，这些连接器将 Microsoft 365 Copilot 安全地桥接到第三方 SaaS 平台（如 HubSpot 和 Notion），同时严格遵守原生安全控制和数据驻留要求。
2. GitHub Copilot CLI GA 与高级开发者子智能体
在工程方面，GitHub 已将 Copilot 从一个不透明的、单一后端助手根本性地重构为一个多模型、多提供商的编排器。
GitHub Copilot CLI 现已正式发布，带来了全新设计的终端用户界面（TUI）。这一持久化工作空间将开发者从简单的提示词到命令的交互中解放出来。它引入了标签式布局、免提语音输入以及调度延迟或周期性提示词的能力。
更重要的是，CLI 现在具备 Autopilot 模式。启用后，CLI 会自主执行多步工作流——构建、检查测试输出并修复错误，而不会因等待人工审批而中断链路。这种自主性由一组专门的子智能体提供支持。开发者可以使用 /fleet 命令并行编排任务（例如，一个智能体编写测试，另一个更新文档）。此外，内置的"Rubber Duck"智能体在执行前会批判计划并寻找安全盲点。
工作流连续性也已完善。现在一个常见的模式是在 CLI 中使用 /plan 命令概述任务并将其链接到 GitHub issues。当开发者打开 IDE 时，VS Code Copilot 智能体会带着完整上下文无缝接续该计划。
为支持这些复杂任务，GitHub 扩展了多提供商支持。开发者现在可以利用 MAI-Code-1-Flash 处理高吞吐、低延迟工作流，或切换到 Claude Opus 4.8 进行复杂架构推理。团队甚至可以根据复杂度动态路由任务，将实用工具任务发送给更便宜的模型，将高风险推理发送给高级前沿模型。
3. 强化核心：安全、治理与合规
随着智能体获得执行代码和访问广泛企业数据的自主权，治理变得至关重要。Microsoft 和 GitHub 引入了关键的管理和安全钩子，以支持企业大规模采用。
在 Copilot Studio 中，管理员现在通过 Advanced Connector Policies (ACP) 拥有细粒度控制权，精确规定哪些连接器可以被特定智能体和流使用。新引入的 AI 使用清单记录了连接器使用的详细模式，对审计和合规有显著帮助。
Microsoft 还在推动全球合规边界，将 ISO/IEC 42001:2023 认证扩展到整个 Copilot 产品组合。2026 年 6 月的产品条款引入了通用 AI 合规框架，确保企业 AI 服务行为准则适用于通过 Azure AI Foundry 部署的每个模型，包括第三方模型。
在开发者方面，GitHub 已在仓库中标准化了 AGENTS.md 文件。这允许 IT 和工程领导者定义自定义指令、指定工具访问权限，并强制执行智能体在所有环境中必须遵守的行为约束。为降低终端中的风险，默认 CLI 模式强制要求对破坏性 shell 命令进行明确的开发者确认，确保 Autopilot 的自主性必须是有意选择启用的。此外，GitHub 正在积极强化沙箱，以确保安全的插件执行。
4. 应对新经济学：AI Credits 与分层
向多模型、长时间运行的智能体工作流的转变， necessitated 了 AI 经济学的重大改革。企业现在必须在部署 Copilot 时变得高度"成本感知"。
自 2026 年 6 月 1 日起，GitHub 已从统一费率的 Premium Request Units 转向由 GitHub AI Credits（1 AI Credit = $0.01）驱动的基于使用量的计费。虽然标准的内联代码补全仍包含在基础许可中，但聊天、自主智能体和多步工作流现在按实际 token 消耗计量。
为适应使用昂贵前沿模型（如 Claude Opus 4.8）的高级用户，GitHub 推出了 Copilot Max Tier（$100/月），其中包含 20,000 AI Credits。
类似地，Microsoft 365 生态系统引入了 Agent 365 许可前提条件。高级的、始终在线的智能体能力现在保留给处于更高级别、安全就绪 SKU（Microsoft 365 E5、F5 Defender 和 Purview，或 Business Premium）的组织。
为管理这些基于使用量的成本，IT 领导者现在拥有强大的杠杆。GitHub 允许管理员为 Pull Request 设置默认审查深度，将全面分析保留给安全敏感代码。同时，共享的 CLI 工具（如 grep 和 rg）通过标准化文件探索，已将自动化代码审查成本降低约 20%。
结论：IT 领导者的战略下一步
从 AI 作为自动补全工具到 AI 作为自主的、持久化智能体的转变，将释放巨大的生产力，但需要战略监督。为组织准备下一阶段：
- 建立智能体治理： 开始在关键仓库中原型设计
AGENTS.md文件，以标准化智能体行为、工具访问和安全边界。 - 评估始终在线的工作流： 评估 Copilot Cowork 和 Microsoft Scout 可以在 M365 环境中哪些地方自动化长时间运行的多步流程。
- 部署联合连接器（MCP）： 识别可以包装在 MCP 服务器中的关键内部知识库、专有数据集或部署仪表板，将专有上下文直接馈送到 Copilot 中。
- 审计 AI 成本模型： 审查新的 Agent 365 许可前提条件，并在 GitHub Copilot 中实施路由策略，以在不同 AI 模型间平衡成本、延迟和推理能力。
智能体工作流的时代已正式到来。通过将高级自主性与严格治理和战略性成本管理相结合，企业可以安全地释放下一量级的 AI 驱动生产力。