GitHub Copilot CLI v1.0.70 — เพิ่ม GPT-5.6, คำสั่ง /refine เกลาพรอมป์ต์, สวิตช์ sandbox และ governance ระดับ repo

GitHub ปล่อย Copilot CLI v1.0.70 เมื่อ 10 กรกฎาคม 2026 (01:28 UTC) — เวอร์ชันเสถียรของเอเจนต์ coding ที่รันในเทอร์มินัลของ Copilot อัปเดตรอบนี้ไม่ใช่แค่แพตช์ย่อย แต่มีของที่เปลี่ยนวิธีทำงานจริง: รองรับโมเดลใหม่ GPT-5.6, คำสั่งเกลาพรอมป์ต์ /refine, สวิตช์คุม sandbox ระดับ session และที่สำคัญสำหรับทีม — governance ระดับ repository

ของใหม่ที่ใช้ได้จริง

• รองรับ GPT-5.6 — เพิ่มโมเดลตระกูลใหม่ล่าสุดของ OpenAI เข้ามาเลือกใน CLI ได้ทันที (ต่อยอดจากที่ GPT-5.6 เพิ่ง GA เมื่อ 9 ก.ค.)
• คำสั่ง /refine — เอาพรอมป์ต์แบบ “คิดไปพิมพ์ไป” กระจัดกระจาย มาเขียนใหม่ให้เป็นคำสั่งที่ชัดเจนก่อนส่งให้เอเจนต์ทำงาน ลดรอบ “สั่งผิด–แก้–สั่งใหม่”
• สวิตช์ --sandbox / --no-sandbox — เปิด/ปิด shell sandbox ระดับ OS ต่อ session ได้ตรง ๆ ใครทำงานในสภาพแวดล้อมที่ต้องคุมสิทธิ์การรันคำสั่งจะได้ควบคุมละเอียดขึ้น
• Governance ระดับ repo — repository ที่ตั้งเป็น trusted สามารถ pin โมเดล, ระดับ effort และ context tier รวมถึงขยาย deny list ของ URL/MCP/skill ได้ผ่านไฟล์ .github/copilot/settings.json
• Pin ปลั๊กอินที่ commit SHA — ระบุ field sha ใน config แหล่งปลั๊กอิน เพื่อล็อกเวอร์ชันปลั๊กอินไว้ที่ commit เป๊ะ ๆ
• MCP resource แบบแบ่งหน้า — เพิ่ม RPC session.mcp.resources สำหรับ read/list/listTemplates แบบ paginated รองรับ MCP server ที่มี resource เยอะ

ทำไม governance ระดับ repo ถึงสำคัญ

จุดที่โดดที่สุดสำหรับทีมองค์กรคือการ pin ค่าได้ระดับ repo ผ่าน .github/copilot/settings.json — เพราะมันย้ายการควบคุมจาก “ตั้งค่าที่เครื่องนักพัฒนาแต่ละคน” มาเป็น “ตั้งที่ repo แล้วทุกคนได้เหมือนกัน”

ในทางปฏิบัติ หมายความว่าทีม platform สามารถบังคับได้ว่า repo ที่อ่อนไหวต้องใช้โมเดลตัวไหน, ระดับ effort เท่าไร, เห็น context ได้แค่ไหน และ MCP server / skill ตัวไหนที่ ห้าม เอเจนต์เรียก — โดยไม่ต้องหวังว่านักพัฒนาทุกคนจะตั้งค่าเองถูก การรวม sandbox toggle เข้ามาในรอบเดียวกันยิ่งเสริมภาพว่า GitHub กำลังทำให้ Copilot CLI ปลอดภัยพอจะปล่อยให้รันแบบ autonomous ในองค์กรจริง ไม่ใช่แค่ผู้ช่วยส่วนตัว

มุมมอง AI Curator

รอบอัปเดตนี้อ่านเผิน ๆ เหมือน changelog ธรรมดา แต่ทิศทางที่มันชี้ชัดมาก: เครื่องมือ AI coding กำลังโตจาก “ผู้ช่วยของนักพัฒนาคนเดียว” ไปเป็น “โครงสร้างพื้นฐานที่องค์กรต้องกำกับได้”

สังเกตว่าฟีเจอร์เด่นสามในหกข้อ — sandbox toggle, repo governance, plugin SHA pinning — ไม่ใช่เรื่อง “ทำให้เอเจนต์เก่งขึ้น” แต่เป็นเรื่อง “ทำให้เอเจนต์ถูกควบคุมได้” นี่คือสัญญาณของตลาดที่กำลังโตขึ้น: เมื่อเอเจนต์เริ่มรันคำสั่ง แก้โค้ด และเรียก MCP server เองได้จริง คำถามขององค์กรก็เปลี่ยนจาก “มันเขียนโค้ดเก่งไหม” เป็น “เราหยุดมันจากการทำสิ่งที่ไม่ควรได้ไหม” GitHub, Anthropic (Claude Code) และ Cursor กำลังไล่เติมชั้น governance นี้กันพร้อม ๆ กันในสัปดาห์เดียว — ไม่ใช่เรื่องบังเอิญ

สำหรับทีมไทยที่กำลังพิจารณาปล่อย coding agent เข้า workflow จริง บทเรียนที่ใช้ได้ทันทีคือ: อย่ามองแค่ว่าเอเจนต์ตัวไหนเขียนโค้ดสวยสุด แต่ดูว่ามันมี “ปุ่มเบรก” ให้ทีม platform ตั้งเป็นนโยบายกลางได้หรือไม่ — pin โมเดล, จำกัด MCP/skill ที่เรียกได้, คุม sandbox — เพราะเมื่อสเกลขึ้นเป็นสิบ repo หลายทีม การหวังให้ทุกคนตั้งค่าถูกเองคือจุดที่ระบบพัง ฟีเจอร์ .github/copilot/settings.json แบบนี้แหละคือสิ่งที่ทำให้ “ลองเล่น” กลายเป็น “ใช้ในองค์กรได้จริง” — และเป็นเกณฑ์ที่ควรใช้เปรียบเทียบเครื่องมือ ไม่ใช่แค่ตัวเลข benchmark

แหล่งข่าว

• GitHub Copilot CLI Releases (v1.0.70, 10 ก.ค. 2026)
• GitHub Copilot CLI — repository
• GitHub Copilot documentation