GitHub запустила AI-агента для проверки и исправления ошибок доступности

GitHub экспериментирует с AI-агентом, который проверяет доступность кода и автоматически исправляет типовые ошибки, мешающие пользователям assistive-технологий вроде скрин-ридеров.

Как устроен агент Сначала команда пробовала монолитную архитектуру — один большой агент на всё.

Но это требовало слишком много токенов и была высокая вероятность галлюцинаций. Поэтому GitHub переделала систему на двухуровневую. На верхнем уровне работает главный оркестратор. Он маршрутизирует запросы, валидирует результаты и управляет escalation-ом. На нижнем уровне работают два специализированных агента, один за другим: сначала рецензент проверяет код в режиме read-only и находит проблемы, потом реализатор либо генерирует исправления, либо просто даёт подсказки. Агенты не разговаривают напрямую — общаются только через жёсткие, предопределённые шаблоны. Это снижает потребление токенов и почти полностью исключает галлюцинации. Каждый шаг выполняется в строгом, фиксированном порядке — как если бы исправления делал человек-специалист по доступности.

Какие проблемы исправляет Агент ловит пять основных категорий ошибок: Неправильная

семантическая разметка — когда HTML-теги не отражают смысл и структуру содержания Плохие названия элементов управления — кнопки и поля ввода без понятных <label> или aria-атрибутов Отсутствие объявлений о статусе — когда система не сообщает об изменениях состояния (например, ошибки валидации) Нет текстовых альтернатив для изображений — отсутствие атрибута alt Путаная логическая навигация** — когда фокус клавиатуры перемещается непредсказуемо или неправильно За время пилота агент обработал 3535 pull request-ов и исправил проблемы в 68% случаев. Для пользователей, которые полагаются на скрин-ридеры и другие assistive-технологии, это реальная разница в удобстве использования GitHub.

Сложности и охранные механизмы GitHub столкнулась с интересным парадоксом: LLM-модели обучены

на десятилетиях исторического кода, включая массу примеров плохой доступности. Поэтому модели сами по себе зачастую генерируют те же самые антипаттерны доступности, которые нужно исправлять. Например, могут забыть о <label> для input-а или предложить неправильную aria-структуру.

Команда добавила несколько охранных механизмов. Во-первых, агент вообще не трогает сложные паттерны — drag-and-drop интерфейсы, tree view, data grid — это отправляет на ревью людям, потому что там нужна глубокая экспертиза. Во-вторых, есть скрипт, анализирующий сложность кода; если она выше порога, агент переходит в режим guidance-only вместо попытки генерировать код самостоятельно.

Также оказалось, что исторические данные критичнее, чем обобщённые инструкции. GitHub использовала собственную базу из 3,5 тысячи вручную логированных и исправленных ошибок, накопленных за годы. Именно эти реальные примеры из собственного кода помогли агенту лучше всего научиться работать и генерировать релевантные исправления.

Что это значит AI не решает проблему доступности в одиночку.

Но он ощутимо ускоряет работу и помогает поймать ошибки на ранней стадии. GitHub планирует открыть исходный код агента, чтобы другие проекты и компании могли применить его к своему коду. Это может стать стандартом для проверки доступности в CI/CD pipeline-ах.