AI Engineering：AI的来临 与鹅 第6天

Source: Dev.to

第 6 天：节日反馈，自动化 – AI、GitHub Actions 与 goose

问题：反馈过载

节日上线数小时后，反馈蜂拥而至：错误报告、紧急设施请求、功能想法以及大量提问。结果？GitHub Issues 一片混乱。今年，我决定用 AI、自动化和一点 Goose 魔法一次性解决它。

介绍：我的节日反馈系统

把 GitHub Issues 变成自组织、AI 分类的反馈强力引擎。

技术栈

• goose CLI（Block 出品）– 对话式 AI 助手
• GitHub Actions – 无缝的 Issue 与评论工作流
• OpenAI API 与 Anthropic API – 大模型大脑（GPT‑4o‑mini、Claude）
• Python – 自定义分流、情感分析、摘要生成
• YAML – 粘合工作流与调度自动化
• PyGithub – Python ↔ GitHub API 集成

系统功能

• Issue 分类 – AI 立即将 Issue 分类为 bug、feature、question 或 urgent。
• 优先级检测 – 从关键到低影响。
• 情感分析 – 追踪正面、中性或负面情绪。
• 自动回复 – 以人类语气直接在 Issue 上回复。
• 评论处理 – AI 跟进新评论，保持对话流畅。
• 自定义 Issue 模板 – 为 bug、feature、question 提供简化表单。
• 每日摘要 – 每天早晨 AI 发布状态更新，包含洞察、趋势和紧急标记。

构建过程

GitHub Secrets 🔑

在仓库 Secrets 中安全存储 OpenAI 与 Anthropic 的 API 密钥。随后 YAML 工作流可以安全读取。

工作流作为自动化引擎 ⚙️

系统由两个核心 YAML 工作流驱动：

• issue-triage.yml – 处理新 Issue 与评论。
• daily-summary.yml – 生成每日早间统计。

Python 作为 AI 大脑 🧠

工作流调用的 Python 脚本完成分析、分类、摘要以及基于 LLM 的回复生成。

像节日专业人士一样测试 🎪

创建基于模板的 Issue，模拟紧急设施问题、功能请求和失物招领提问，以验证系统能否：

• 正确打标签并设定优先级。
• 以友好、可操作的方式回复。
• 汇总每日反馈高峰。

结果： 全部达标！🚀

为什么这具有颠覆性

• 自动化分流，确保关键问题不被遗漏。
• 将反馈转化为可操作数据（情感、趋势、优先级）。
• 24/7 AI 响应者 消除“抱歉回复晚了”的延迟。
• 可适配任何项目——开源、活动、支持、产品反馈。
• 易于定制——修改 Python 提示、标签或模板即可。

实际案例

发布的 Issue：

[URGENT] Heating system not working in storytelling tent

• 被标记为 🚨 urgent、🟠 high priority、😟 sentiment: negative。
• AI 立即回复统计信息和工作人员的后续步骤。
• 次日的每日摘要中出现在 “urgent issues” 栏目下。

我的收获

• Goose CLI 对快速提示和脚本原型制作非常友好；让 AI 参与工作流逻辑设计。
• GitHub Actions + AI = 项目管理的超级能力。
• 良好的提示设计能产生有帮助（而非垃圾）的自动回复。
• 每日摘要帮助团队关注整体趋势，而非单个任务。
• GitHub 中的 Secrets 与配置管理比以往更简单。

技术支持

• Goose by Block
• OpenAI & Anthropic LLM APIs
• GitHub Actions + PyGithub

最后感想

使用 Goose CLI 搭配 GitHub Actions 构建了一个快速、AI 辅助的工作流，提示、脚本和自动摘要能够实时演进。优秀的提示设计结合简化的 Secrets 管理，使流水线更清晰、更可靠，也更易维护。自动化把 Issue 的“混乱”转为宁静，赋能节日团队。期待将此方案用于未来的开发，并与更多人分享！😊

第 6 天：自动化。反馈：已驯服。社区：开心！