GitHub 上高效使用 ChatGPT 的开发者入门指南：从零到自动化

2次阅读

共计 1974 个字符，预计需要花费 5 分钟才能阅读完成。

在开源协作和日常开发中，开发者常面临以下问题：

重复性代码审查：基础语法错误检查消耗大量人工时间
文档生成滞后：代码更新后需要手动同步注释和文档
问题解答低效：社区提问等待回复周期长
知识盲区处理：遇到陌生技术栈时缺乏实时辅助

传统解决方案要么依赖人工处理（低效），要么需要搭建复杂的 AI 基础设施（高成本）。而 GitHub Actions 与 ChatGPT API 的组合，提供了轻量级自动化方案。

对比常见自动化方案：

方案	部署成本	维护难度	与 GitHub 集成度
自建服务器	高	高	低
第三方 CI 工具	中	中	中
GitHub Actions	低	低	原生支持

GitHub Actions 的核心优势：

无需基础设施：直接使用微软提供的云计算资源
事件驱动触发：代码推送、PR 创建等事件自动响应
分钟级构建：免费账户每月 2000 分钟额度
生态环境完善：拥有超过 10,000 个官方 / 社区 Action

获取 OpenAI API 密钥（注意：非 ChatGPT 网页版账号）
在 GitHub 仓库 Settings → Secrets 中添加OPENAI_API_KEY

创建 .github/workflows/chatgpt-assistant.yml 文件：

name: Code Review Assistant

on:
  pull_request:
    branches: [main]

jobs:
  analyze:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v3

      - name: Run ChatGPT analysis
        env:
          OPENAI_KEY: ${{secrets.OPENAI_API_KEY}}
        run: |
          # 调用 API 的 Python 脚本示例
          python3 -c "
          import os
          import openai

          openai.api_key = os.getenv('OPENAI_KEY')
          response = openai.ChatCompletion.create(
            model='gpt-3.5-turbo',
            messages=[{'role': 'system', 'content': '你是一个专业代码审查助手'},
              {'role': 'user', 'content': '请分析这段 Python 代码的潜在问题...'}
            ]
          )
          print(response.choices[0].message.content)
          "

自动生成 PR 评论：通过 GitHub API 添加审查意见
文档同步：检测.py 文件变更后更新 README.md
问题分类：根据 issue 内容自动打标签

- name: AI Analysis
  timeout-minutes: 3
  retry-on-error: true
  max-attempts: 3
  retry-delay-seconds: 10

使用 jobs.<job_id>.strategy.matrix 并行处理小文件
对大型仓库启用文件分组处理
设置 rate limit 监控：

import time

def call_api():
    start = time.time()
    response = openai.ChatCompletion.create(...)
    elapsed = time.time() - start
    if elapsed < 1.2:  # 控制请求间隔
        time.sleep(1.2 - elapsed)
    return response