GitHub推出了一个AI驱动的工作流程，可以自动分拣其工程团队的无障碍功能反馈。该系统使用GitHub Actions、Copilot和他们的Models API将来自支持票据、社交媒体和论坛的报告集中到标准化的issue模板中。当用户提交无障碍功能问题时，工作流程会触发Copilot分析WCAG违规情况，分配严重性级别，并识别受影响的用户群体，如屏幕阅读器或键盘用户。高级无障碍功能项目经理Carie Fisher表示，Copilot能正确自动填充约80%的结构化元数据，包括团队分配和基本测试清单。

这是聪明的基础设施工作，不是华而不实的AI。GitHub识别出了一个真实的运营问题——无障碍功能报告分散在各个渠道，所有权不明确——并构建了工具来解决它。这种方法展示了AI如何处理分类和路由的繁重工作，而不试图在复杂的无障碍功能决策上替代人类判断。这是真正能发挥作用并提供价值的实用AI应用，而不是追求理论能力。

没有额外的信息源，我们缺少关键细节，比如除了那个80%数字之外的准确率，当Copilot分类错误时的错误处理，最重要的是——这是否真的能让缺陷修复更快，还是只是让待办事项更有序。系统保留了人工验证，但GitHub没有说明验证流程是什么样子的，或者AI建议多久会被推翻一次。

对于构建类似工作流程的开发者来说，关键洞察是使用AI进行结构化数据提取而不是决策制定。GitHub在Markdown中维护无障碍功能策略和组件文档来喂给Copilot提示的方法，创建了一个可维护的系统，其中领域知识保留在代码中，而不是埋在模型权重里。真正的考验不是AI是否能正确分类缺陷——而是工程团队是否真的能更快地优先处理和修复无障碍功能问题。