GitHub: bolji alati pogoršali Copilot code review — prepisivanje uputa vratilo kvalitetu uz 20% niži trošak

GitHub je 10. srpnja 2026. objavio neuobičajeno iskren inženjerski post: kad je Copilot code review prebacio na bolje održavane alate, rezultati su isprva postali lošiji. Analiza je pokazala da problem nisu bili alati, nego upute (instrukcije agenta) koje nisu odgovarale stvarnom radnom toku recenzenta koda.

Gdje je bila greška?

Stare upute vodile su agenta u “široku eksploraciju” — pregledavanje velikog dijela repozitorija prije nego što bi se usredotočio na promjene. To je trošilo tokene i vrijeme na kontekst koji recenzija pull requesta uglavnom ne treba. Kad je novi, sposobniji alat dobio te iste upute, jednostavno je efikasnije radio krivu stvar.

Kako radi diff-first pristup?

Rješenje je bilo prepisivanje uputa oko dva načela. Prvo: batch operacije otkrivanja (grupirano prikupljanje informacija) prije čitanja pojedinačnih datoteka, umjesto naizmjeničnog istraživanja. Drugo: analiza usidrena na PR diff — agent kreće od onoga što se stvarno promijenilo, a širi kontekst dohvaća tek kad zatreba. Rezultat je oko 20% niži prosječni trošak recenzije uz nepromijenjenu kvalitetu.

Zašto je lekcija univerzalna?

Nalaz je konkretan dokaz teze koju je isti tjedan kvantificirao arXiv rad “Harness Effect”: ekonomiju AI agenata određuje orkestracija (upute, tijek, kontekst), a ne sam model. GitHubov slučaj pokazuje i obrnutu stranu — nadogradnja modela ili alata bez prilagodbe uputa može pogoršati rezultat. Za svakoga tko gradi AI coding alate poruka je praktična: prije zamjene modela, pročitaj i prepiši upute.