GitHub: 優れたツールがCopilot code reviewを悪化させた——プロンプトの書き直しで質を保ちつつ20%コスト削減を実現

GitHubは2026年7月10日、珍しく率直なエンジニアリングブログ記事を公開しました: Copilot code reviewをより良く管理されたツールに移行した際、最初は結果が悪化したのです。分析の結果、問題はツールではなく、コードレビュアーの実際の作業フローに対応していないエージェントへの指示（instructions）であることが判明しました。

何が誤りだったのか？

古い指示はエージェントを「広範な探索」——変更に集中する前にリポジトリの大部分を閲覧すること——に向けていました。プルリクエストのレビューには通常不要なコンテキストのためにトークンと時間を消費していたのです。より優秀な新しいツールがその同じ指示を受け取ると、単により効率的に誤ったことを行いました。

diff-firstアプローチはどう機能するのか？

解決策は2つの原則でプロンプトを書き直すことでした。第一に: 個別ファイルを読む前にバッチによる発見操作（情報収集をまとめて行う）を行います。第二に: PR diffを起点とした解析——エージェントは実際に変更された内容から始め、必要な場合にのみより広いコンテキストを取得します。結果として品質を変えずにレビューの平均コストが約20%低下しました。

なぜこの教訓が普遍的なのか？

この発見は同週arXivの「Harness Effect」論文が定量化した命題の具体的証拠です: AIエージェントの経済性はモデル自体ではなくオーケストレーション（指示・フロー・コンテキスト）が決定するということです。GitHubのケースは逆説的な側面も示します——指示を適応させずにモデルやツールをアップグレードすると結果が悪化する可能性があります。AIコーディングツールを構築するすべての人への実践的なメッセージは明確です: モデルを交換する前に、指示を読んで書き直してください。