第18章：让 AI 操控你的 GitHub 🤖

有了 Token，你可以让 AI 助手（如 WorkBuddy、Copilot）帮你管理 GitHub 项目。

📋 目录

AI 可以做什么？

自动化任务清单

任务 AI 可以…
创建 Issue ✅ 根据你的描述自动创建
审查 PR ✅ 自动检查代码质量
生成文档 ✅ 根据代码自动生成 API 文档
回复 Issue ✅ 自动回答常见问题
合并 PR ✅ 自动合并简单的 PR
生成报告 ✅ 统计项目数据

使用 WorkBuddy 管理 GitHub

配置步骤

第1步：连接 GitHub

1. 打开 WorkBuddy 设置
2. 找到 连接器（Connectors）
3. 选择 GitHub
4. 点击 连接

第2步：授权

方法1：浏览器授权（推荐）
│
├── WorkBuddy 会打开 GitHub 授权页面
├── 登录 GitHub
├── 点击 Authorize
└── 完成！

方法2：手动输入 Token
│
├── 在 GitHub 生成 Token（见第17章）
├── 复制 Token
└── 粘贴到 WorkBuddy

第3步：开始使用

现在你可以对 WorkBuddy 说：

✅ 可以做的：
│
├── "帮我创建一个 Issue：修复登录 Bug"
├── "查看我的所有仓库"
├── "把这个代码提交到 GitHub"
├── "创建一个 PR"
├── "查看最近的提交记录"
└── "给 vuejs/core 点个 Star"

示例：让 AI 创建 Issue

你对 WorkBuddy 说：

帮我在 my-project 仓库创建一个 Issue：

标题：登录按钮在 Safari 上无法点击

描述：
- 复现步骤：用 Safari 打开网站，点击登录按钮，没有反应
- 期望：点击后弹出登录框
- 环境：macOS Sonoma, Safari 17

AI 会执行：

curl -X POST \
  -H "Authorization: Bearer YOUR_TOKEN" \
  https://api.github.com/repos/你的用户名/my-project/issues \
  -d '{"title":"登录按钮在 Safari 上无法点击","body":"..."}'

结果：Issue 创建成功！🎉

使用 GitHub Copilot

什么是 GitHub Copilot？

GitHub Copilot 是 GitHub 官方的 AI 编程助手。

版本 适用场景 价格
Copilot Individual 个人开发者 $10/月（有免费试用）
Copilot Business 企业团队 $19/用户/月
Copilot Enterprise 大型企业 $39/用户/月
Copilot Free 个人学习 ✅ 免费

Copilot 的各个功能

1️⃣ 代码补全（Code Completion）

Copilot 最基础的功能。你写注释或代码开头，它自动补全剩余部分。

// 在 VS Code 中输入：
function calculateTotal(prices) {
    // Copilot 会自动补全：
    return prices.reduce((sum, price) => sum + price, 0);
}

使用技巧：

2️⃣ Copilot Chat（对话式 AI）

Copilot Chat 让你可以和 AI 对话，而不仅仅是补全代码。

在 VS Code 中按 Ctrl+Shift+I 打开 Chat：

你：这段代码有什么问题？
Copilot：第5行变量名拼写错误，第12行缺少空指针检查...

你：帮我写一个二分查找的测试用例
Copilot：以下是使用 pytest 的测试用例...

Chat 能做的事情：

3️⃣ Copilot Workspace（AI 工作区）

Copilot Workspace 是一个浏览器内的 AI 开发环境（预览功能）。

与传统开发的对比：

传统开发：
1. 手动创建 Issue
2. 手动创建分支
3. 手动写代码
4. 手动提交 PR

Copilot Workspace：
1. 选择 Issue
2. AI 分析 Issue 并生成修改方案
3. 你审查并微调 AI 的修改
4. 一键提交 PR

4️⃣ 内联代码审查（Code Review）

在 PR 页面，Copilot 可以自动审查代码变更：

1. 打开一个 PR 页面
2. 在 "Files changed" 标签页
3. 点击 Copilot 图标
4. Copilot 会分析所有变更，给出审查意见

审查内容包括：
- 潜在的 Bug
- 安全漏洞
- 性能问题
- 代码风格建议

5️⃣ Copilot Extensions（Copilot 扩展）

Copilot 支持通过扩展访问第三方工具和服务：

├── @docker       → 在聊天中操作 Docker 容器
├── @sentinel     → 查询 GitHub 安全告警
└── @github       → 获取仓库信息、创建 Issue

💡 在 Copilot 聊天中输入 @扩展名 你的问题 即可使用。

GitHub Models（AI 模型市场）

GitHub 提供了 GitHub Models 服务，让你可以直接在 GitHub 上体验和测试各种 AI 模型：

支持的模型：
├── OpenAI GPT 系列（GPT-4o、GPT-4o-mini）
├── Anthropic Claude 系列
├── Meta Llama 系列
├── Microsoft Phi 系列
└── Mistral 系列

使用方法：
1. 访问 https://github.com/marketplace/models
2. 选择一个模型
3. 在 Playground 中测试
4. 获取 API Key 集成到你的应用

💡 GitHub Models 提供了一个统一的入口来探索和使用 AI 模型，无需分别注册各个 AI 平台。

Copilot 使用技巧

技巧1：用注释引导 AI

# ❌ 不好：没有注释，Copilot 猜不准
def process(data):
    pass

# ✅ 好：注释清晰，Copilot 知道你要什么
def process(data):
    """清洗数据：去除空值、标准化格式、排序"""
    # Copilot 会生成：
    data = [d for d in data if d is not None]
    data = [normalize(d) for d in data]
    return sorted(data)

技巧2：利用上下文窗口

Copilot 会参考你当前打开的所有文件来生成代码。所以：

技巧3：多个建议中选择

# 按 Ctrl+Enter 查看更多建议
# 然后选择最合适的

技巧4：用 Copilot 写测试

# 给一个函数写测试
def test_calculate_total():
    # Copilot 会自动补全测试用例
    assert calculate_total([10, 20, 30]) == 60
    assert calculate_total([]) == 0
    assert calculate_total([-5, 10]) == 5

🚀 AI 前沿：Agent Mode 与 MCP 协议

GitHub Copilot Agent Mode

2025 年起，Copilot 从”代码补全”进化为自主编程 Agent：

传统模式：你写代码 → Copilot 补全下一行
Agent 模式：你说需求 → Copilot 理解 → 写代码 → 建文件 → 跑命令 → 修 bug

Agent Mode 能做什么：

支持的模型（可自选）：

MCP（Model Context Protocol）协议

MCP 是 Anthropic 提出、被 GitHub/VS Code/Cursor 广泛采用的开放协议，相当于 AI 的”USB 接口”。

┌─────────────────┐     ┌──────────────────┐
│                 │     │  GitHub MCP      │
│                 │────▶│  Server          │───▶ 搜索仓库、创建 Issue
│                 │     └──────────────────┘
│   AI 助手       │     ┌──────────────────┐
│                 │────▶│  数据库 MCP      │───▶ 查询数据表
│  (Agent Mode)   │     └──────────────────┘
│                 │     ┌──────────────────┐
│                 │────▶│  浏览器 MCP      │───▶ 网页截图、操作
└─────────────────┘     └──────────────────┘

GitHub 官方 MCP Server

GitHub 于 2025 年 4 月开源了官方的 GitHub MCP Server，让 AI 工具可以通过 MCP 协议操作 GitHub：

能力矩阵：

配置示例（VS Code 的 .vscode/mcp.json）：

{
  "servers": {
    "github": {
      "type": "http",
      "url": "https://api.githubcopilot.com/mcp/",
      "headers": {
        "Authorization": "Bearer YOUR_PAT"
      }
    }
  }
}

或者使用 Docker 运行本地 MCP Server：

docker run -i --rm \
  -e GITHUB_PERSONAL_ACCESS_TOKEN \
  ghcr.io/github/github-mcp-server

WorkBuddy 中的 GitHub MCP（你的实战场景）

WorkBuddy 内置 GitHub 连接器（基于 MCP 协议），直接在对话中对接 GitHub API：

操作 需要权限 备注
搜索仓库、读取文件 读权限 ✅ 默认可用
创建 Issue、评论 写权限 需配置 contents:write
创建/更新文件 写权限 需配置 Fine-grained PAT
提交 PR 写权限 需配置 Full repo scope

配置建议：

Cursor 等 AI IDE 的 GitHub 集成

除了 GitHub Copilot，其他 AI IDE 也深度集成了 GitHub：

工具 特点 GitHub 集成方式
Cursor Composer + Agent 模式 直接登录 GitHub，支持 PR/Issue
Windsurf 流式 AI 编辑 GitHub 登录 + API 操作
CodeBuddy WorkBuddy 内置 MCP 连接器 + PAT 认证

趋势总结：所有 AI 工具都在走向 Agent 化 + MCP 协议化 + GitHub 深度集成。

自己编写 AI 脚本

示例：让 AI 自动审查 PR

import requests
import openai  # 假设使用 OpenAI API

# 1. 获取 PR 的代码
pr_number = 123
repo = "GTX950L/github-encyclopedia"
token = "ghp_你的token"

headers = {"Authorization": f"Bearer {token}"}

# 获取 PR 的文件变更
response = requests.get(
    f"https://api.github.com/repos/{repo}/pulls/{pr_number}/files",
    headers=headers
)
files = response.json()

# 2. 让 AI 审查代码
for file in files:
    code = file["patch"]
    prompt = f"请审查以下代码变更，指出潜在问题：\n{code}"
    
    ai_response = openai.ChatCompletion.create(
        model="gpt-4",
        messages=[{"role": "user", "content": prompt}]
    )
    
    review = ai_response["choices"][0]["message"]["content"]
    
    # 3. 将审查意见提交到 PR
    comment_data = {"body": review}
    requests.post(
        f"https://api.github.com/repos/{repo}/pulls/{pr_number}/comments",
        headers=headers,
        json=comment_data
    )

示例：让 AI 自动回复 Issue

# 获取新 Issue
response = requests.get(
    f"https://api.github.com/repos/{repo}/issues?state=open",
    headers=headers
)
issues = response.json()

for issue in issues:
    title = issue["title"]
    body = issue["body"]
    
    # 让 AI 生成回复
    prompt = f"这是一个开源项目的 Issue：\n标题：{title}\n描述：{body}\n\n请生成一个友好的回复。"
    
    ai_response = openai.ChatCompletion.create(
        model="gpt-4",
        messages=[{"role": "user", "content": prompt}]
    )
    
    reply = ai_response["choices"][0]["message"]["content"]
    
    # 提交回复
    issue_number = issue["number"]
    requests.post(
        f"https://api.github.com/repos/{repo}/issues/{issue_number}/comments",
        headers=headers,
        json={"body": reply}
    )

常见问题

Q1: AI 会自动合并 PR 吗？会不会有风险？

A:

可以配置，但要小心！

✅ 安全的做法：
│
├── AI 只负责审查（提意见）
├── 人类决定是否合并
└── 或者：AI 只合并"绿色"的 PR（所有测试通过）

❌ 危险的做法：
│
├── AI 自动合并所有 PR
└── 可能合并恶意代码！

建议：

AI 权限设置：
│
├── ✅ 允许：创建 Issue、评论、审查
├── ⚠️ 谨慎：合并 PR（只合并测试通过的）
└── ❌ 禁止：删除仓库、修改权限

Q2: AI 操作会消耗 Token 配额吗？

A:

操作 是否消耗 API 配额？
WorkBuddy 操作 ✅ 会（使用你的 AI 配额）
GitHub Copilot ✅ 会（需要订阅）
自己写的脚本 ✅ 会（如果使用 GPT-4 等付费 API）

节省配额的方法：

1. 缓存 AI 响应（避免重复请求）
2. 使用更便宜的模型（如 GPT-3.5 代替 GPT-4）
3. 只在必要时调用 AI

Q3: 可以让 AI 自动给开源项目贡献代码吗？

A: ⚠️ 技术上可以，但不推荐！

原因：

❌ 为什么不好：
│
├── 开源贡献的价值在于"人类智慧"
├── AI 生成的代码可能质量不高
├── 维护者不喜欢"机器人 PR"
└── 可能被社区拉黑

正确的做法：

✅ AI 辅助，人类审查：
│
├── 你：用 AI 生成代码草稿
├── 你：审查和改进 AI 的代码
├── 你：自己提交 PR
└── 你：在 PR 中说明"使用了 AI 辅助"

📝 实战练习

练习1：使用 WorkBuddy 创建 Issue

任务：

  1. 连接 WorkBuddy 到你的 GitHub
  2. 让 AI 帮你在项目创建一个 Issue
  3. 检查 Issue 是否创建成功

练习2：使用 Copilot 生成提交信息

任务：

  1. 安装 GitHub Copilot
  2. 修改一些代码
  3. 使用 Copilot 生成提交信息
  4. 提交

练习3：编写简单的 AI 脚本

任务：

  1. 写一个 Python 脚本
  2. 使用 GitHub API 获取你仓库的所有 Issue
  3. 让 AI 总结这些 Issue 的主题
  4. 输出总结报告

📚 延伸阅读

📝 本章小结

你现在了解了：

💡 核心要点

AI 是助手，不是替代品。

让 AI 帮你处理重复性任务，但关键的代码审查和决策，还是要人类来做。

Copilot 推荐配置：Copilot Free（免费版）足够个人日常使用，Copilot Chat 是提升效率的关键功能。

← 返回目录  |  ← 上一章  |  下一章 →