Code Velocity
Mga Tool para sa Developer

Kakayahang Ma-access: Ginagawang Inklusyon ng GitHub ang Feedback Gamit ang Patuloy na AI

·7 min basahin·GitHub·Orihinal na pinagmulan
I-share
Flowchart na naglalarawan ng tuloy-tuloy na daloy ng trabaho ng feedback sa pagiging accessible ng GitHub na pinapagana ng AI.

Rebolusyon sa Pagiging Accessible: Ang Pamamaraan ng Patuloy na AI ng GitHub

Sa loob ng maraming taon, nahaharap ang GitHub sa isang karaniwan ngunit kritikal na hamon: ang epektibong pamamahala sa feedback sa pagiging accessible. Hindi tulad ng karaniwang mga isyu sa produkto, ang mga alalahanin sa pagiging accessible ay laganap, madalas na sumasaklaw sa maraming koponan at sistema. Ang isang solong ulat mula sa isang gumagamit ng screen reader ay maaaring makaimpluwensya sa nabigasyon, pagpapatunay, at mga setting, na ginagawang hindi epektibo ang tradisyonal na proseso ng feedback na naka-silo. Humantong ito sa nakakalat na mga ulat, hindi nalutas na mga bug, at ang pagkabigo ng mga gumagamit na ang mga isyu ay nanatili sa isang kathang-isip na "phase two" na bihirang matupad.

Dahil kinikilala ang pangangailangan para sa isang pangunahing pagbabago, sinimulan ng GitHub ang isang paglalakbay upang isentralisa ang feedback, lumikha ng standardized na mga template, at linisin ang isang malaking backlog. Pagkatapos lamang maitatag ang matatag na pundasyon na ito nagkaroon ng tanong: Paano pa kaya mapapabago ng AI ang prosesong ito? Ang sagot ay nasa isang makabagong panloob na daloy ng trabaho, na pinapagana ng GitHub Actions, GitHub Copilot, at GitHub Models, na idinisenyo upang tuloy-tuloy na baguhin ang bawat piraso ng feedback ng gumagamit sa isang nasusubaybayan, may priyoridad, at naaaksyunang isyu. Tinitiyak ng pamamaraang ito na pinapahusay ng AI ang paghuhusga ng tao, pinapabilis ang mga paulit-ulit na gawain at pinapayagan ang mga eksperto na tumuon sa paghahatid ng inklusibong software.

Patuloy na AI: Isang Buhay na Sistema para sa Inklusyon

Ang "Patuloy na AI para sa pagiging accessible" ng GitHub ay higit pa sa isang tool; ito ay isang buhay na metodolohiya na nagsasama ng awtomasyon, artificial intelligence, at kadalubhasaan ng tao upang direktang maisama ang inklusyon sa kaayusan ng pagbuo ng software. Ang pilosopiyang ito ang pundasyon ng pangako ng GitHub sa 2025 Global Accessibility Awareness Day (GAAD), na naglalayong palakasin ang pagiging accessible sa buong open-source ecosystem sa pamamagitan ng epektibong pagruruta at pagsasalin ng feedback ng user sa makabuluhang mga pagpapabuti ng platform.

Ang pangunahing pagkaunawa ay ang pinaka-epektibong mga tagumpay ay nagmumula sa pakikinig sa mga totoong tao, ngunit ang pakikinig sa malawakang saklaw ay nagpapakita ng malalaking hamon. Upang malampasan ito, bumuo ang GitHub ng daloy ng trabaho ng feedback na gumagana bilang isang dinamikong makina sa halip na isang static na sistema ng tiket. Gamit ang sarili nitong mga produkto, nililinaw, ini-istruktura, at sinusubaybayan ng GitHub ang feedback ng user at customer, na ginagawang mga solusyong handa-na-ipatupad.

Bago sumisid sa mga solusyong teknolohikal, pinagtibay ng GitHub ang isang diskarte sa disenyo na inuuna ang tao, na tinutukoy ang mga pangunahing persona na kailangang paglingkuran ng sistema:

  • Mga nagsumite ng isyu: Mga tagapamahala ng komunidad, mga ahente ng suporta, at mga sales representative na nangangailangan ng gabay upang epektibong mag-ulat ng mga isyu, kahit na walang malalim na kaalaman sa pagiging accessible.
  • Mga koponan ng pagiging accessible at serbisyo: Mga inhinyero at designer na nangangailangan ng nakabalangkas, naaaksyunang data—tulad ng mga hakbang na maaaring kopyahin, pagmamapa ng WCAG, at mga marka ng kalubhaan—upang mahusay na malutas ang mga isyu.
  • Mga tagapamahala ng programa at produkto: Ang pamunuan na nangangailangan ng malinaw na visibility sa mga pinagmumulan ng problema, mga trend, at pag-unlad upang makagawa ng estratehikong mga desisyon sa paglalaan ng mapagkukunan.

Ang pundasyong pagkaunawang ito ay nagpahintulot sa GitHub na magdisenyo ng isang sistema na itinuturing ang feedback bilang data na dumadaloy sa isang mahusay na tinukoy na pipeline, na may kakayahang umunlad kasama ng kanilang mga pangangailangan.

Pag-automate ng Pipeline ng Feedback sa Pagiging Accessible

Binuo ng GitHub ang bago nitong arkitektura sa paligid ng isang event-driven na pattern, kung saan ang bawat hakbang ay nagti-trigger ng isang GitHub Action upang ayusin ang mga susunod na aksyon, na tinitiyak ang pare-parehong paghawak ng feedback anuman ang pinagmulan nito. Bagama't manu-manong binuo noong kalagitnaan ng 2024, ang gayong sistema ay maaari na ngayong mabuo nang mas mabilis gamit ang mga tool tulad ng Agentic Workflows, na nagbibigay-daan sa paglikha ng GitHub Actions sa pamamagitan ng natural na wika.

Ang daloy ng trabaho ay tumutugon sa mga pangunahing kaganapan: ang paglikha ng isyu ay nagpapasimula ng pagsusuri ng GitHub Copilot sa pamamagitan ng GitHub Models API, ang mga pagbabago sa status ay nagti-trigger ng mga hand-off ng koponan, at ang resolusyon ng isyu ay nagpapakilos ng follow-up sa orihinal na nagsumite. Saklaw ng awtomasyon ang karaniwang landas, ngunit maaaring manu-manong i-trigger o muling patakbuhin ng mga tao ang anumang Action, na nagpapanatili ng pangangasiwa at kakayahang umangkop.

Ang Pitong-Hakbang na Daloy ng Trabaho ng Feedback:

  1. Pagkuha (Intake): Ang feedback ay dumadaloy mula sa iba't ibang pinagmulan tulad ng GitHub accessibility discussion board (na bumubuo ng 90% ng mga ulat), mga tiket ng suporta, social media, at email. Lahat ng feedback ay kinikilala sa loob ng limang araw ng trabaho. Para sa mga naaaksyunang item, manu-manong lumilikha ang isang miyembro ng koponan ng isang isyu sa pagsubaybay gamit ang isang custom na template ng feedback sa pagiging accessible, na kumukuha ng mahalagang konteksto. Ang kaganapan ng paglikha na ito ay nagti-trigger ng isang GitHub Action upang kunin ang GitHub Copilot at idagdag ang isyu sa isang sentralisadong project board.

  2. Pagsusuri ng Copilot: Ang isang GitHub Action ay tumatawag sa GitHub Models API upang suriin ang bagong likhang isyu.

  3. Pagsusuri ng Nagsumite: Sinusuri ng orihinal na nagsumite ang pagsusuri ng Copilot, na kinukumpirma ang katumpakan nito o gumagawa ng mga pagbabago.

  4. Pagsusuri ng Koponan ng Pagiging Accessible: Ang espesyal na koponan ng pagiging accessible ay nagsasagawa ng mas malalim na pagsusuri at nagpaplano ng mga solusyon.

  5. Mga Audit ng Link: Ang mga nauugnay na audit o panlabas na mapagkukunan ay iniuugnay para sa konteksto at pagsunod.

  6. Pagsasara ng Ikot (Close Loop): Kapag natugunan na, pormal na isinasara ang isyu, at inaabisuhan ang orihinal na user o customer.

  7. Pagpapabuti: Ang feedback sa pagganap ng sistema, kabilang ang pagsusuri ng Copilot, ay nagbibigay-kaalaman sa patuloy na mga update at pagpipino.

Tinitiyak ng tuloy-tuloy na daloy na ito ang visibility, istruktura, at pagiging naaaksyunan sa bawat yugto ng lifecycle ng feedback.

Matalinong Pagtatasa ng GitHub Copilot para sa Pagiging Accessible

Sa puso ng awtomatikong sistemang ito ay ang matalinong pagsusuri ng GitHub Copilot. Kapag nilikha ang isang isyu sa pagsubaybay, programatikong tinatawagan ng isang daloy ng trabaho ng GitHub Action ang GitHub Models API upang suriin ang ulat. Gumawa ng estratehikong pagpili ang GitHub na gumamit ng nakaimbak na mga prompt (custom na tagubilin) sa halip na model fine-tuning. Pinapayagan nito ang sinumang miyembro ng koponan na i-update ang pag-uugali ng AI sa pamamagitan ng isang simpleng pull request, na inaalis ang pangangailangan para sa kumplikadong mga pipeline ng muling pagsasanay o espesyal na kaalaman sa machine learning. Kapag nagbago ang mga pamantayan ng pagiging accessible, ina-update ng koponan ang markdown at mga file ng tagubilin, at ang pag-uugali ng AI ay umaangkop sa susunod na pagpapatakbo.

Ang GitHub Copilot ay isinaayos gamit ang mga custom na tagubilin na binuo ng kanilang mga eksperto sa paksa ng pagiging accessible. Ang mga tagubiling ito ay nagsisilbing dalawang kritikal na papel:

  • Pagsusuri ng Triage: Pagkakakategorya ng mga isyu sa pamamagitan ng paglabag sa WCAG, kalubhaan (sev1-sev4), at naapektuhang grupo ng user.
  • Pagtuturo sa Pagiging Accessible: Paggabay sa mga koponan sa pagsusulat at pagsusuri ng accessible na code.

Ang mga file ng tagubilin ay tumutukoy sa mga patakaran sa pagiging accessible ng GitHub, component library, at panloob na dokumentasyon, na nagbibigay sa Copilot ng komprehensibong pag-unawa kung paano bigyang-kahulugan at ilapat ang mga pamantayan ng tagumpay ng WCAG.

Ang awtomasyon ay nagbubukas sa dalawang pangunahing hakbang:

  1. Unang Aksyon: Sa paglikha ng isyu, sinusuri ng Copilot ang ulat, awtomatikong pinupuno ang humigit-kumulang 80% ng metadata ng isyu. Kabilang dito ang mahigit 40 data point tulad ng uri ng isyu, segment ng user, orihinal na pinagmulan, mga naapektuhang bahagi, at isang buod ng karanasan ng user. Pagkatapos ay nagpo-post ang Copilot ng komento sa isyu na naglalaman ng buod ng problema, iminungkahing pamantayan ng WCAG, antas ng kalubhaan, mga naapektuhang grupo ng user, inirerekomendang pagtatalaga ng koponan, at isang checklist para sa beripikasyon.
  2. Pangalawang Aksyon: Ang sumunod na Aksyon na ito ay sinisiyasat ang komento ng Copilot, inilalapat ang mga label batay sa itinalagang kalubhaan, ina-update ang status ng isyu sa project board, at itinatalaga ito sa nagsumite para sa pagsusuri.

Mahalaga, kung hindi tumpak ang pagsusuri ng Copilot, maaaring i-flag ito ng sinuman sa pamamagitan ng pagbubukas ng isang isyu na naglalarawan ng pagkakaiba, direktang nagpapakain sa proseso ng patuloy na pagpapabuti ng GitHub para sa AI.

Pangangasiwa ng Tao at Paulit-ulit na Pagpapahusay sa Pagiging Accessible

Binibigyang-diin ng daloy ng trabaho ang pangangasiwa ng tao at pakikipagtulungan. Pagkatapos ng awtomatikong pagsusuri ng Copilot, ang yugto ng "submitter review" (hakbang 3) ay nagpapahintulot sa nagsumite na beripikahin ang mga natuklasan ng AI. Ang pamamaraang ito na may 'human-in-the-loop' ay nagsisiguro ng katumpakan at nagpapahintulot sa manu-manong pagwawasto o pag-flag para sa proseso ng patuloy na pagpapabuti ng Copilot. Ang mga sumunod na hakbang—Pagsusuri ng Koponan ng Pagiging Accessible, Mga Audit ng Link, at Pagsasara ng Ikot—ay mas nagsasama ng kadalubhasaan ng tao, na tinitiyak na ang mga kumplikadong problema ay tinutugunan ng mga espesyalista at ang mga user ay nakakatanggap ng napapanahon, epektibong mga resolusyon.

Ang dinamikong sistemang ito ay kumakatawan sa isang makabuluhang pagbabago para sa GitHub. Sa pamamagitan ng paggamit ng AI upang hawakan ang mga paulit-ulit at data-intensive na aspeto ng pamamahala ng feedback, binago nila ang isang magulo, madalas na stagnant na proseso sa isang tuloy-tuloy, proactive na makina para sa inklusyon. Nangangahulugan ito na bawat piraso ng feedback sa pagiging accessible ay maaasahang nasusubaybayan, binibigyan ng priyoridad, at naaaksyunan, na lumalampas sa mga pangako ng "phase two" upang maghatid ng agaran, nasasalat na mga pagpapabuti para sa lahat ng user. Ang pangunahing layunin ay hindi palitan ang paghuhusga ng tao kundi bigyan ito ng kapangyarihan, na nagpapalaya ng mahalagang oras at kadalubhasaan upang tumuon sa mga estratehikong pag-aayos at palakasin ang isang tunay na accessible na karanasan sa software.

Mga Karaniwang Tanong

What challenges did GitHub face with accessibility feedback before implementing its Continuous AI system?
Prior to the new system, GitHub struggled with a decentralized and inconsistent approach to accessibility feedback. Issues were often scattered across various backlogs, lacked clear ownership, and improvements were frequently postponed. This disorganization led to a lack of follow-through, leaving users with unaddressed concerns and creating a barrier to truly inclusive software development. The cross-cutting nature of accessibility issues, touching multiple teams, exacerbated these coordination challenges, making it difficult to establish a single point of responsibility or a coherent workflow for resolution.
What defines 'Continuous AI for accessibility' and how does it enhance traditional accessibility efforts?
Continuous AI for accessibility is a dynamic methodology that integrates automation, artificial intelligence, and human expertise into the software development lifecycle. Unlike static audits or one-time fixes, it's a living system designed to continuously process and act on user feedback. It goes beyond simple code scanners by actively listening to real people and using AI, particularly GitHub Copilot and GitHub Actions, to clarify, structure, and prioritize that feedback. This ensures that inclusion is woven into the very fabric of development, transforming scattered reports into implementation-ready solutions and fostering ongoing improvement.
How does GitHub Copilot specifically contribute to the efficiency and effectiveness of the accessibility feedback workflow?
GitHub Copilot plays a crucial role by providing intelligent triage and analysis of accessibility reports. Upon issue creation, Copilot, guided by custom instructions from accessibility subject matter experts, programmatically analyzes the report. It automatically populates approximately 80% of an issue's metadata, including WCAG violation classifications, severity levels, affected user groups, and recommended team assignments. This automated analysis significantly reduces manual effort, standardizes issue categorization, and provides immediate, actionable insights, allowing human teams to focus on problem-solving rather-than repetitive data entry and initial assessment.
What are GitHub's 'custom instructions' for Copilot, and why were they chosen over model fine-tuning for this system?
GitHub utilizes 'custom instructions' for Copilot, developed by their accessibility subject matter experts, to guide its behavior for triage analysis and accessibility coaching. These instructions are stored prompts that point to GitHub’s accessibility policies, component library, and internal documentation, detailing how WCAG success criteria are interpreted and applied. This approach was chosen over model fine-tuning because it allows for rapid iteration and team-wide updates. Any team member can update the AI's behavior by modifying markdown and instruction files via a pull request, eliminating the need for complex retraining pipelines or specialized ML knowledge, ensuring the AI's behavior evolves as standards do.
How does GitHub ensure that human judgment and oversight remain central to the accessibility process despite the extensive use of AI automation?
GitHub deliberately designed its system so that AI automates repetitive tasks while humans retain critical judgment and oversight. For example, after GitHub Copilot's initial analysis, a 'submitter review' step ensures a human verifies Copilot's findings. If Copilot's analysis is incorrect, humans can flag it, providing direct feedback for continuous improvement of the AI. Furthermore, every GitHub Action in the workflow can be manually triggered or re-run, ensuring that humans can intervene at any point. The goal is to offload mundane work to AI, empowering humans to focus on complex problem-solving, collaboration, and making informed decisions about software fixes.
Who are the primary beneficiaries of GitHub's enhanced accessibility feedback system, and how does it cater to their specific needs?
The system serves three primary groups. Issue submitters (community managers, support agents, sales reps) benefit from a guided system that standardizes feedback collection and educates them on accessibility concepts. Accessibility and service teams (engineers, designers) receive structured, actionable data including reproducible steps, WCAG mapping, and clear ownership, streamlining their remediation efforts. Program and product managers gain visibility into pain points, trends, and progress, enabling strategic resource allocation. Ultimately, the biggest beneficiaries are the users and customers with disabilities whose feedback is now consistently tracked, prioritized, and acted upon, leading to a more inclusive GitHub experience.
How does GitHub integrate user feedback from external sources into its internal accessibility process, ensuring consistency and actionability?
GitHub acknowledges that accessibility feedback can originate from diverse external sources, including support tickets, social media, email, and direct outreach, with the GitHub accessibility discussion board being a primary channel. Regardless of the source, every piece of feedback is acknowledged within five business days. When external feedback requires action, a team member manually creates an internal tracking issue using a custom accessibility feedback template. This template standardizes the collected information, preventing data loss. This new issue then triggers an automated GitHub Action, engaging GitHub Copilot for analysis and adding it to a centralized project board, ensuring consistent processing and action regardless of its origin.

Manatiling Updated

Kunin ang pinakabagong AI news sa iyong inbox.

I-share