🤖 GitHub AI 自动流：issue 分类 / 问答 / 总结（零成本）#

2024 年底 GitHub 悄悄上线了 GitHub Models——给所有仓库提供免费的 LLM API（GPT-4o、Claude Sonnet、Llama 等），workflow 里只要加一行 permissions: models: read 就能调用。

本篇讲如何用这个能力零成本给 lhx-kit 仓库接入 3 条基础 AI 自动流：新 issue 自动打标签 + 评论 @ai-bot 回答问题 + 打 ai-summary 标签做长讨论总结。

📌 只想知道"怎么用"（命令 / 触发位置 / 排错）？ 直接看 🎮 AI 命令使用手册 —— 那是用户视角的速查；本篇是实现视角的 YAML 深度讲解。 📌 想了解后续扩展的 5 条 workflow（双模型 PR review / autofix / code-fix / docs）？ 见 🎯 AI 协作策略。

🧭 8 条 AI workflow 全景#

lhx-kit 现在一共有 9 条 AI workflow，本篇讲前 3 条基础的，其余 6 条详见对应篇目：

所有 9 条都跑在 GitHub Models 上，公开仓库免费、零 API key。

🎯 为什么是 GitHub Models，而不是自己接 OpenAI / Claude#

lhx-kit 是开源项目，GitHub Models 是绝对首选。质量足够做 issue 分类、总结、技术问答这些轻量场景。

🔑 三个 Workflow 一览#

🧩 通用设计要点#

在贴具体代码前，先讲 4 个必须做对才能长期稳定运行的点：

1. permissions: models: read 是专属权限#

这是 GitHub 2024 年新增的 token scope，不开它就调不了。和 contents、issues 这些老权限并列写：

permissions:
  contents: read
  issues: write
  models: read   # ← 专门给 GitHub Models 的

漏写会直接 403。

2. 用官方 action：actions/ai-inference@v1#

这个 action 封装了对 /inference/v1/chat/completions 的调用，支持的模型：

# 轻量任务（分类、总结、回答常见问题）
model: openai/gpt-4o-mini            # 最快、配额最宽
model: meta/llama-3.3-70b-instruct   # 开源首选

# 需要更强推理
model: openai/gpt-4o
model: anthropic/claude-3-5-sonnet
model: deepseek/deepseek-v3

推荐策略：triage 用 mini，assistant 用 mini（回答技术问题足够），summarize 用 mini。本项目统一全部 mini 够了。

3. 防死循环：过滤机器人触发#

AI 发的评论自己看到了可能又触发一轮 AI。必须在触发条件里过滤：

if: >-
  github.event.comment.user.type != 'Bot' &&
  !contains(github.event.comment.body, '🤖 This comment was generated by AI')

两层保险：一层看 user type，一层看评论里是否有 AI 签名 marker。

4. 透明性：给每条 AI 回复加签名#

每条 AI 生成的评论必须在末尾附一句：

---
<sub>🤖 This reply was generated by AI. Answers may be inaccurate —
please verify before acting on technical advice.</sub>

原因：

• 防止和人类评论混淆
• 给 workflow 做"识别自己之前产出"的 marker
• 体现 AI 透明度（未来 GitHub / 监管可能会强制要求）

📝 Workflow 1: ai-triage.yaml —— 新 issue 自动分类#

运行时效果#

核心 prompt 设计#

让模型输出 JSON 是关键——不然 workflow 没法用自然语言响应做 github-script 调用：

system-prompt: |
  Output STRICT JSON — no prose, no markdown fences:
  {
    "labels": string[],
    "category": string,
    "needs_info": boolean,
    "welcome_message": string
  }

然后在 github-script 里兜底清理：

const cleaned = raw
  .replace(/^```(?:json)?\s*/i, '')   // 模型偶尔包 ```json
  .replace(/\s*```\s*$/i, '')
  .trim();
const parsed = JSON.parse(cleaned);

JSON.parse 失败时用 core.warning 记录，不抛异常阻断——AI 偶尔会输出畸形 JSON，哑一次比把 workflow 打红好。

语言自适应#

system-prompt: |
  - Detect the language of the issue and write welcome_message in that language
    (Chinese input → Chinese reply; English input → English).

中文 issue 自动中文回复，完全不用你自己做语言检测。

📝 Workflow 2: ai-assistant.yaml —— 评论 @ai-bot 触发问答#

运行时效果#

关键：上下文拼接#

AI 回答质量 = Prompt 里喂了多少相关信息。本 workflow 拼 4 层上下文：

用 sparse-checkout 只拉 README（秒级完成），不用 full clone：

- uses: actions/checkout@v4
  with:
    sparse-checkout: |
      README.md
      packages/*/README.md
      apps/docs/docs
    sparse-checkout-cone-mode: false

为什么限制"不改代码"#

system-prompt: |
  Never claim to have made code changes — you only answer questions.
  If the question asks you to change code, kindly redirect: suggest the user
  open a PR or ping a maintainer.

理由：

• 改代码要权限链、diff review、测试验证——轻量方案不值得
• 防止 AI 误导用户"我已经帮你改好了"（幻觉）
• 真要改代码用 Claude Code Action 或 Copilot Coding Agent（另外文章讲）

📝 Workflow 3: ai-summarize.yaml —— 长讨论串 TL;DR#

运行时效果#

防重复发总结#

第二次再打标签时，应该替换旧总结而不是堆一堆。用 HTML 注释作为 marker：

// 发总结时插入 marker
const body = [
  '<!-- ai-summary-marker -->',
  summaryText,
  ...
].join('\n');

// 下次发新总结前扫评论删旧的
for (const c of comments) {
  if ((c.body || '').includes('<!-- ai-summary-marker -->')) {
    await github.rest.issues.deleteComment({ ... });
  }
}

自动取标签#

发完总结立刻把 ai-summary 标签摘掉：

await github.rest.issues.removeLabel({
  name: 'ai-summary',
});

好处：

• 状态清晰（标签存在 = 待处理；不存在 = 已处理）
• 用户想刷新只要"取消→重新打"即可，天然触发新一轮总结

🛡️ 安全与配额#

GitHub Models 的配额#

查看当前 rate limit：/settings/actions/general 底部有显示。

防滥用#

一个潜在风险：恶意用户在 issue 里疯狂 @ai-bot 消耗配额。本方案已包含 3 道防线：

1. concurrency group：同一 issue 并发时取消旧的
2. 触发条件过滤：非人类 user、含 AI 签名的评论都不跑
3. timeout-minutes: 8：卡死自动断

如果进一步想做"只有仓库贡献者才能 @ai-bot"：

if: >-
  startsWith(github.event.comment.body, '@ai-bot ') &&
  contains(fromJSON('["OWNER", "MEMBER", "COLLABORATOR"]'),
           github.event.comment.author_association)

author_association 是 GitHub 原生字段，值为 OWNER/MEMBER/COLLABORATOR/CONTRIBUTOR/FIRST_TIME_CONTRIBUTOR/NONE。按需放宽。

🎨 落地配套：仓库 Labels 规划与批量创建#

3 个 AI workflow 会大量 read/write 仓库 labels。workflow 本身不需要 label 预先存在（GitHub API 对不存在的 label 会自动创建），但提前建好有两个好处：

1. 颜色一致——自动创建的是随机灰色，逐个改颜色很累
2. 语义分层——给维护者快速识别"哪些 label 是给人打的、哪些是 AI 打的"

📋 推荐的 label 矩阵#

lhx-kit 目前用以下 3 类 22 个 label（比默认多 13 个）：

🛠️ 用 gh CLI 一次性批量创建#

📖 完整的 gh 使用手册（登录、workflow 运维、PR/issue/release/secret 管理等）见 🔧 GitHub CLI 实战手册。下面只放建 label 所需的最小片段。

前置：gh auth login -h github.com 已登录过一次，且 token 仍有效（gh auth status 看一眼）。

在仓库根目录批量建 label：

cd /path/to/lhx-kit  # gh 靠 git remote 识别仓库，必须 cd 进去

# ① AI 相关（3 个）
gh label create ai-summary         --color 8957e5 --description "Trigger AI to summarize the thread"   --force
gh label create ai-triaged         --color 5319e7 --description "Auto-triaged by AI bot"               --force
gh label create needs-reproduction --color fbca04 --description "Missing or incomplete reproduction steps" --force

# ② 包 scope（8 个，统一浅蓝 c5def5）
for p in cli config offline renderer runtime skills tsconfig vite-plugin; do
  gh label create "$p" --color c5def5 --description "Scope: @lhx-kit/$p" --force
done

# ③ 其他 scope（2 个）
gh label create docs        --color 1d76db --description "Scope: documentation site (apps/docs)" --force
gh label create engineering --color 0e8a16 --description "Scope: CI / release / tooling"         --force

# 验证
gh label list --limit 100 --json name | jq '.[].name' | sort
# 期望看到 22 个名字

--force 的作用：label 已存在则 PATCH 颜色/描述，不存在则创建——幂等，可反复跑。

⚠️ 3 个易踩的小坑#

• 别用 && 串联：任何一个失败会中断后续命令。用 for 循环或分号 ;。
• Watch 超时：某些终端对长命令有 watchdog 超时，一行塞 15 个 gh label create 可能被截断。分段跑每次 8~10 条稳。
• 必须在仓库目录：gh 不带 --repo 时靠 git remote get-url origin 反推仓库。

📖 关于 gh auth login 的完整交互问答（HTTPS vs SSH 的选择、8 位 device code 流程、网络抖动时的 EOF 报错如何判断真实登录状态）——见 🔧 GitHub CLI 实战手册 §场景 1。

🚀 路径地图：轻量做完之后怎么升级#

每一阶能力强度翻倍，但复杂度和风险面也扩大。升级路线请仔细读 AI 协作策略 里的"安全门"和"prompt 陷阱"两节再落地。

🔧 常见问题#

📚 相关资料#

• GitHub Models 官方文档
• actions/ai-inference
• GitHub Models Playground — 能在网页上试各个模型
• lhx-kit 仓库的 3 个 workflow 源码

📖 专栏内其他文章#

• 🛠️ 工程化总览
• 🎮 AI 命令使用手册（8 条 workflow 速查）
• 🎯 AI 协作策略：多模型 review + 受控修复
• 🚀 发布流水线：Changesets + Trusted Publishing
• ⚙️ CI 策略
• 🔧 GitHub CLI 实战手册