公司产品与流程创新 - GitHub 引入了一种由AI驱动的自动化、持续工作流，用于将无障碍反馈转化为可跟踪和优先排序的工程工作，该系统基于 GitHub Actions、GitHub Copilot 和 GitHub Models APIs 构建 [2] - 该工作流通过集中入口和标准化问题模板，解决了此前反馈来源分散（如支持工单、社交媒体、论坛）且缺乏明确团队归属的问题 [2] - 工作流始于接收和分类，来自各渠道的反馈在几天内得到确认，并汇入单一跟踪管道，创建问题会触发 GitHub Action，启动AI分析并更新集中看板状态 [3] - 检测到跟踪问题后，另一个 Action 会调用 GitHub Copilot，结合内部存储的提示词对 WCAG 违规、严重性及受影响的用户群体（如屏幕阅读器用户）进行分类 [4] 1. Copilot 自动填充约 80% 的结构化元数据，包括推荐的团队分配和基础无障碍测试检查清单，并发布分析总结评论 [4] - 第二个 Action 会解析 Copilot 的评论，以应用标签、状态更新和分配 [4] - 人工审查仍是核心，在 Copilot 初步分析后，无障碍团队会验证严重性等级和标签，如有差异会进行修正并记录以优化未来的AI输出 [7] - 验证后确定解决路径：即时更新文档、直接修复代码或分配给相应服务团队，来自内部合规系统的关联审计问题提供了现实世界影响的上下文，有助于优先处理真实风险 [7] 运营效率与成果 - 采用新的AI驱动工作流后，公司在 90 天内解决的反馈量提高了 4 倍 [8] - 在 90 天内解决的无障碍问题比例从 21% 大幅提升至 89% [8] - 总体问题解决时间同比下降了超过 60% [8] - 该工作流提供了对重复出现的无障碍模式的可见性，并包含用于优化AI提示词和评估标准的反馈循环 [8] - 该方法反映了持续型AI系统如何结合自动化分析与人工审查，以在大型工程组织中处理如无障碍等跨领域问题 [8]