GitHub Copilot Vision 和浏览器工具：同日两项功能正式发布

GitHub 于 2026 年 7 月 1 日同日宣布两项重要 Copilot 功能正式发布：Vision（此前需要在 Business 和 Enterprise 套餐中进行特殊策略配置）和 VS Code 中的浏览器工具（首次使智能体能够控制真实的、实时的浏览器）。两项功能均无需管理员操作即可供所有用户使用。

Copilot Vision 现在能做什么？

Copilot Vision 支持在聊天提示中附加视觉材料，使 Copilot 能够结合代码对图片和文档的内容进行推理。支持的格式包括 JPEG、PNG、GIF 和 WebP，以及 PDF 文档。

在 VS Code 中，文件可以通过三种方式附加：粘贴、拖放或右键单击文件。在 github.com 上，附加文件可在聊天界面中直接操作，而 Copilot CLI 支持在终端中指定文件路径。

实际使用场景包括结合实现讨论分析设计模型、诊断错误截图、推理架构图以及处理 PDF 格式的技术文档——所有这些都在与 Copilot 的单一对话中完成，无需在工具之间切换。

Vision 可在所有工作模式下使用：ask、plan 和 agent。

可用性：所有套餐，无需管理员操作

正式发布公告中的关键变化是默认可用性。此前，Business 和 Enterprise 套餐的用户需要启用「Editor Preview Features」策略才能访问 Vision 功能。从 2026 年 7 月 1 日起，该要求不再存在。

Vision 在所有套餐上默认启用——Free、Pro、Pro+、Business 和 Enterprise——无需任何管理员操作。这消除了因批准预览功能流程而推迟激活的组织的行政障碍。

Business 和 Enterprise 用户的唯一特殊说明：附加的图片和 PDF 会保留约 24 小时用于提供服务。

浏览器工具：在 VS Code 中控制浏览器

与 Vision 正式发布同步，GitHub 还宣布 VS Code 中的浏览器工具正式发布——该功能首次使 Copilot 智能体能够直接控制真实的、实时的浏览器，而非模拟环境。

智能体通过浏览器工具可以执行以下操作：

• 导航——打开 URL 并浏览页面
• 交互——点击、输入、悬停、拖放、管理对话框
• 读取——获取页面内容和 DOM 元素属性
• 诊断——捕获控制台错误和 JavaScript 异常
• 截图——捕获当前页面状态

并行智能体可以同时保持相互独立的隔离浏览器会话，与用户在浏览器中的自身活动相互独立。

隐私和细粒度权限

GitHub 在设计浏览器工具时将用户隐私作为明确优先考虑。打开的标签页保持私密——没有用户操作就无法读取。用户必须通过「与智能体共享」选项明确与智能体共享标签页。

对于敏感权限——访问摄像头、麦克风、位置和读取剪贴板——系统在每次使用时都会要求明确批准，而非在安装或启动智能体时一次性授权。这意味着智能体在没有用户为每个单独操作主动同意的情况下，无法访问这些资源。

Enterprise 的管理员功能

对于 Enterprise 组织，浏览器工具提供细粒度控制：

• 切换 workbench.browser.enableChatTools 以在组织级别启用或禁用浏览器工具
• 域过滤器，限制智能体可以导航的域，防止未经授权访问外部内容

这些控制使组织能够在受控环境中使用浏览器工具——例如限制为内部开发服务器或测试环境域——而无需完全禁用该功能。

同日两项正式发布

Vision 和浏览器工具同日正式发布并非偶然。两项功能都将 Copilot 的覆盖范围扩展到文本和代码之外——Vision 扩展至视觉材料和文档，浏览器工具扩展至开发或生产中 Web 应用的实际状态。

与同日 Kimi K2.7 Code 作为首款开放权重模型进入 Copilot 以及 GitHub Models 平台将于 2026 年 7 月 30 日关闭的公告一起，这一日期成为 GitHub AI 战略的重要里程碑：更少的独立平台，更多整合在一个无需额外配置即可供所有人使用的工具中的功能。