Använd GitHub AI Scan som komplement till CodeQL där dess dokumenterade språk- och ramverkstäckning är till hjälp vid granskning av pull requests. Behåll CodeQL för analyser och aviseringsflöden som stöds. De är inte utbytbara kontroller: AI Scans fynd är rådgivande signaler som endast visas i pull requests och kan inte blockera sammanslagningar via regeluppsättningar.
För ett arkiv med en egenhostad applikation beror den rätta kombinationen på vilka språk du använder och hur du distribuerar. Ingen av skannrarna ersätter uppdatering av en sårbar körmiljö eller kontroll av den driftsatta applikationen. Granska källkoden, leverera ändringar som stöds och verifiera tjänsten som separata steg.
Vad skiljer sig åt i täckning och resultat?
| Dimension | AI Scan | CodeQL |
|---|---|---|
| Primär täckning | Utvalda områden som inte täcks av CodeQL | Språk och konfigurerade analyser som stöds |
| Huvudsaklig plats för fynd | Fynd i pull requests märkta med AI | Kodskanningsaviseringar och resultat från pull requests |
| Eftersläpning för hela arkivet | Stöds inte av AI Scan | Beror på konfigurerad analys |
| Sammanslagningskontroll | Rådgivande; kan inte tillämpa krav i regeluppsättningar | Kodskanningskontroller som stöds beror på konfigurationen |
| Relation | Kompletterande signal | Befintlig analys och arbetsflöde för aviseringar |
Kontrollera aktuellt språkstöd i stället för att förlita dig på en permanent uppdelning. GitHub kan utöka eller ändra täckningen för båda produkterna.
Vilket verktyg fungerar för PHP, Shell och Dockerfiles?
GitHub nämner dessa bland exemplen på vad AI Scan stöder. Det gör verktyget relevant för arkiv som innehåller en app, underhållsskript och containerkonfiguration. Kontrollera vilka filer som faktiskt har ändrats och om pull requesten uppfyller kraven; undantagen för fork-arkiv och Dependabot gäller fortfarande.
Förklaringen av AI Scan går igenom de praktiska begränsningarna. Ett fynd i en Dockerfile innebär inte heller att varje lager i den distribuerade avbildningen har kontrollerats för sårbarheter.
Kan jag använda något av verktygen som villkor för sammanslagning?
Behandla AI Scan som granskningsunderlag, eftersom dess rådgivande fynd inte kan göras till sammanslagningskrav. För CodeQL och andra kontroller bör du läsa om de kodskanningsskydd och regeluppsättningsalternativ som stöds för ditt arkiv. Utgå inte från att en policy för obligatoriska kontroller omfattar AI Scan bara för att resultaten från båda verktygen visas i samma pull request.
Dokumentera vilka kontroller som faktiskt blockerar sammanslagningar, vilka som kräver en granskares bedömning och vem som kan kringgå dem. En kontrollpanel som visar båda verktygen visar inte att de tillämpar samma regler.
Kräver AI Scan att CodeQL ersätts?
Nej. Det dokumenterade syftet är kompletterande täckning. Börja med språken och luckorna i ditt kodarkiv, verifiera att funktionen är tillgänglig och hur den debiteras, och aktivera sedan den extra signalen där den är användbar. Undvik att ta bort en fungerande analys bara för att en ny AI-funktion finns tillgänglig.
Använd installationsguiden för AI Scan för att kontrollera vilka policyer som gäller. Granska en vanlig ändring som omfattas innan du aktiverar funktionen i flera projekt.
Hur kopplar jag skanning till en distribution på en hemmaserver?
Se till att den granskade källkodsversionen, den byggda avbildningen och den distribuerade tjänsten går att spåra. Ett skanningsresultat gäller den analyserade koden; den körande servern kan använda en annan avbildning eller ett föråldrat paket. Dokumentera vad som faktiskt distribuerades och kontrollera ett kritiskt användarflöde i appen.
Guiden från säkerhetsråd till distribution överbryggar det gapet. För tredjepartsapplikationer hjälper guiden för identifiering av PHP-runtime dig att skilja ändringar i ditt kodarkiv från en runtime-uppdatering från leverantören.
Vanliga frågor
Bör AI Scan ersätta CodeQL?
Ingen automatisk ersättning följer. Dess dokumenterade roll är kompletterande täckning för utvalda språk och ramverk.
Är AI Scan-resultat vanliga varningar för kvarvarande problem?
Nej. GitHub beskriver dem som resultat i pull-förfrågningar, inte som varningar för kvarvarande problem i hela kodarkivet i säkerhetsvyn.
Kan jag kräva att varje AI Scan-resultat godkänns av en regeluppsättning?
Nej. AI Scan-resultat är rådgivande och tvingar inte fram krav för sammanslagning.
Bevisar godkänd kodskanning att den distribuerade NAS-appen är korrigerad?
Nej. Verifiera den byggda och körande versionen, den tillämpliga runtime-korrigeringen och tjänstens specifika funktion separat.
Relaterad läsning
- GitHub AI Scan förklarat: säkerhetskontroller för PHP-, Shell- och Docker-projekt
- Så aktiverar du GitHub AI Scan för ditt självvärdade app-arkiv
Källor
- Officiellt tillkännagivande och modelldokumentation — github.blog
- Teknisk dokumentation och referens — docs.github.com
- Teknisk dokumentation och referens — docs.github.com
Omslag: Officiell tillkännagivandebild för GitHub AI Scan. Bildkälla.
Produktjämförelser
Mer att läsa

LFM2.5-24B-A2B jämfört med DeepSeek API: Vilket passar ditt agentflöde på hemmaservern bäst?
Jämför lokal inferens med LFM2.5-24B-A2B med DeepSeek API för agenter på hemmaservrar: integritetsgränser, hårdvara, underhåll, kvalitet och kostnader.

Granite Speech 5.0 jämfört med transkribering i molnet: en jämförelse av integritet, hårdvara och precision
Jämför lokal Granite Speech 5.0 med molnbaserad transkribering när det gäller ljudintegritet, installation, hårdvara, noggrannhet, underhåll och arbetsflöden för NAS-arkiv.

Claude Duet vs ChatGPT Dots: Jämförelse av pågående arbete, filåtkomst och godkännanden
Jämför Claude Duet och ChatGPT Dots när det gäller löpande uppgifter, anslutna appar, datoråtkomst, filgränser och granskningskontroller i arbetsflöden för personliga moln.

