GitHub 預設拿 Copilot 資料訓練 AI

GitHub 要改 Copilot 的資料規則了。4 月 24 日起，Copilot Free、Pro、Pro+ 的互動資料，預設會拿去訓練 AI。你沒去關設定，就等於默許。

這次不是小修小補。GitHub 說，會用到提示詞、輸出內容、程式碼片段，還有相關上下文。對開發者來說，這句話很直接：你跟 Copilot 講過什麼，它可能就進了訓練管線。

如果你用的是企業方案，情況不同。Copilot Business、Enterprise，還有教育方案都不在這次範圍內。已經關掉先前產品改進資料蒐集的人，也會保留原本選擇。

4 月 24 日到底改了什麼

講白了，GitHub 把原本比較窄的資料蒐集，改成更直接的預設值。以前你可能還會以為，AI 工具只是幫你補 code。現在它會把你和它的互動，當成模型訓練素材。

這件事會讓很多人不爽，不是沒原因。Copilot 早就不是邊邊角角的功能。它是現在最常見的 AI 寫碼工具之一。當一個工具每天都在 IDE 裡出現，大家很容易忘了，它背後還有資料流。

從產品角度看，這步很合理。Microsoft 旗下的 GitHub，本來就有動機把產品使用資料拿來調模型。問題在於，合理不等於舒服。開發者最怕的，就是自己以為是工作內容的東西，最後變成訓練樣本。

• 生效時間：2026 年 4 月 24 日
• 受影響方案：Free、Pro、Pro+
• 不受影響方案：Business、Enterprise、教育方案
• 可用資料：提示詞、輸出、程式碼片段、上下文
• 預設行為：不關設定就會納入訓練

為什麼開發者反彈這麼大

我覺得，這次最刺眼的不是技術，而是預設值。很多人不是不能接受資料被拿去改善產品，而是不能接受「先收再說」。因為一旦預設打開，大多數人根本不會去翻隱私設定。

開發者會特別敏感，還有一個原因。寫 code 的時候，常常會貼出專案結構、函式名稱、錯誤訊息，甚至是內部邏輯。這些東西對一般人只是字串，對公司來說可能是機密資產。

GitHub 的說法也不難懂。它想提升準確度、安全性，還有 bug 偵測。這些目標都很合理。只是，產品想進步，不代表使用者就該默默交出日常工作資料。

“If you are not paying for it, you’re not the customer; you’re the product being sold.” — Andrew Lewis

這句話被講爛了，但還是有用。因為它講中了平台經濟的老問題。你以為自己在用工具，平台卻在看你的行為資料。AI 時代只是把這件事做得更快，也更隱蔽。

而且這次的爭議，還碰到開源社群的敏感神經。很多人本來就對 AI 讀 code 有意見。現在又多了一層：不只是讀，還可能拿去訓練。這種感受，真的很難用一段產品說明就打發掉。

跟其他 AI 寫碼工具比起來

GitHub 不是唯一會碰資料的 AI 工具，但它的預設值很有代表性。很多產品會把個人方案和企業方案切開。企業資料通常有更嚴格的隔離。GitHub 這次對個人方案的做法，明顯更積極。

差別其實很現實。你在聊天機器人裡丟一句晚餐建議，風險不大。你在 Copilot 裡貼一段私有 repo 的函式，甚至有安全漏洞線索，那就完全不同了。對寫程式的人來說，資料敏感度高很多。

所以，比較工具時，不能只看誰寫 code 比較順。你還得看，誰的預設值比較乾淨。說真的，這點常常比模型分數更重要。因為分數高，不代表你可以放心把專案內容丟進去。

• ChatGPT 有資料控制選項，但個人版和企業版通常分開處理
• Claude Code 針對寫碼流程設計，方案不同，資料政策也不同
• Codeium 也做 AI 寫碼，但個人和商用條款不一樣
• Amazon Q Developer 同樣有個人與企業控制的分界

如果你是團隊採購，這題已經不只是「誰比較會補 code」。還要問：誰會把提示詞拿去訓練，誰不會。這個問題很現實，也很煩，但它會直接影響你最後選哪個工具。

開發者現在該做什麼

最直接的動作，就是去檢查設定。你如果不想讓 Copilot 的互動資料被用來訓練 AI，就要在 4 月 24 日前手動關掉。GitHub 說，先前已經關掉更廣泛資料蒐集的人，會維持原設定。

如果你還沒動過，就別拖。尤其是你有在處理客戶專案、閉源程式、內部系統，或安全敏感資料。這種情況下，任何自動上傳到訓練流程的東西，都不是小事。

更大的問題是，這種做法很可能會被更多軟體公司學走。今天是 Copilot，明天可能就是別的 AI 工具。只要使用者沒有大規模反彈，廠商就會覺得這套路可行。

我建議你這週就做一件事：把團隊正在用的 AI 寫碼工具列出來，逐一看資料設定。別等到預設值變成習慣，才發現自己早就把資料送進去了。

這件事背後的產業脈絡

AI 工具現在最缺的，不是 demo，而是資料。模型越大，越需要真實互動來修正結果。這也是為什麼很多產品都想把使用者行為納進訓練流程。資料越多，調整空間越大。

但寫碼工具跟一般聊天工具不一樣。它碰到的是原始碼、架構、錯誤訊息，還有開發流程。這些東西一旦進了訓練資料，後續要抽離就很麻煩。對企業來說，這不是單純的隱私問題，而是治理問題。

所以現在的重點，不只是 Copilot 做了什麼，而是整個產業怎麼定義「預設蒐集」。如果大家都接受這套邏輯，之後你會看到更多 AI 服務把資料控制藏在設定頁深處。這種事，真的很像軟體版的默認同意。

接下來會怎麼走

我猜，這次 GitHub 不會立刻改回去。因為對它來說，資料就是模型品質的一部分。比較可能的發展，是它把說明寫得更清楚，然後讓使用者自己決定要不要留在預設值。

對開發者來說，最實際的問題只有一個：你願不願意讓你的提示詞，成為下一輪模型訓練的一部分。答案如果是否定的，就現在去關設定。真的不用等。

如果你在團隊裡管工具選型，這週就開一次 15 分鐘的檢查會。把 GitHub、OpenAI、Anthropic、Codeium、Amazon Q 的資料政策一起看。別只看功能表，資料預設值才是重點。