New Relic近日推出一套面向GitHub Copilot的可观测性集成工具，其中包括“Copilot变更跟踪（Change Tracking for GitHub Copilot）”的公开预览版。此举旨在将遥测数据直接嵌入从编码到部署的开发工作流，以应对AI辅助编码带来的生产环境风险。
此次发布的核心是“Copilot变更跟踪”，该功能将生产环境遥测数据与部署活动相连。系统可在代码合并前基于基线执行预检，部署后应用金丝雀发布门禁，并实时检测性能回归。一旦发现回归，系统会自动将问题路由至GitHub Issues和Copilot进行修复，并向Slack发送通知，从而减少人工分类工作，缩短性能问题排查周期。
当前，软件团队正权衡AI编码工具的益处与其可能引发的运营风险。New Relic引用的《2026年AI编码现状》报告显示，94%的管理者认为AI生成代码在审查阶段质量更高，但78%的人表示部署后事故增多。New Relic试图通过加强编码代理、部署活动与实时系统遥测之间的联系，弥合审查阶段与生产行为之间的差距，让工程师获取发布后对下游服务影响的实际数据。
此外，New Relic还推出了Autopilot工具与GitHub MCP Server的集成。基于模型上下文协议（MCP）标准，该集成允许Autopilot在处理警报、识别根因和推荐修复方案时调用代码库上下文，帮助工程师在事件响应期间保留在现有工作流中。
另一项新品是开源工具“Copilot预检（Preflight for GitHub Copilot）”。它在本地IDE和命令行界面中提供对模型效率、延迟和令牌消耗的可见性，帮助团队评估编码代理使用效率、发现错误、比较不同大模型建议准确性，并用于设置警报和管理成本。
工作流范式转变
此次发布反映了软件开发领域的趋势转变：随着AI加速代码变更的速度和数量，可观测性数据正从独立产品向开发工具内部迁移。New Relic AI负责人Camden Swita表示，公司视可观测性为开发过程的一部分，而非独立的运营层。
Swita指出：“传统可观测性将关键数据锁定在封闭的SaaS仪表板内，而Headless模式的New Relic将可信的运营智能直接带入构建和交付软件的工具中。新集成帮助团队了解任何部署对生产环境的影响，让可观测性在决策发生时即提供信息，赋予工程师和AI代理所需上下文，将更快的编码转化为可靠的软件交付。”
目前，“Copilot变更跟踪”处于公开预览阶段，“GitHub MCP Server Autopilot”和“Copilot预检”已全面可用。