使用 Gemini CLI 自动化你的 GitHub 工作流

Source: Dev.to

（请提供需要翻译的正文内容，我将按照要求保留原始链接、格式和代码块，仅翻译文本部分。）

这个工具到底是干什么的？

在深入设置之前，让我们先弄清楚我们在使用的是什么。Gemini CLI GitHub Action 提供了三大主要功能：

• Issue Triage – 读取新 Issue 并自动为其打标签（bug、feature 等）
• Code Fixes – 能够分析 Issue 并编写代码来解决它们
• Pull Request Reviews – 提供自动化的代码审查并给出建议

可以把它想象成你团队里的一位 AI 开发者，全天候工作，不会疲倦，能够处理那些占用你大量时间的日常任务。

YouTube 完整评测

前置条件：您需要了解的内容

• GitHub 仓库（创建仓库、议题和拉取请求）
• 命令行基础
• 一个可以用于测试的项目

如果您是 GitHub 新手，请先花时间阅读他们的入门指南。您需要熟悉创建议题和管理仓库。

Source: …

步骤指南

步骤 1 – 安装并更新 Gemini CLI

确保已安装 Gemini CLI 并更新到最新版本。如果尚未安装，请查看官方安装指南。

# 验证安装
gemini --version

提示： 使用最新版本对于 GitHub 集成正常工作至关重要。

步骤 2 – 设置 GitHub Action

进入项目目录并运行：

gemini setup github

该命令只需几秒钟即可完成，并会向仓库添加必要的 GitHub Action 文件。你会在 .github/workflows 目录中看到新文件，这些文件定义了 AI 队友对不同事件的响应方式。

步骤 3 – 提交并推送

提交新添加的文件并推送到 GitHub。只有文件位于远程仓库后，Action 才会运行。

git add .
git commit -m "Add Gemini CLI GitHub Actions"
git push

步骤 4 – 添加你的 Gemini API 密钥

此步骤在文档中并不明显，但绝对必不可少。

1. 前往你的 GitHub 仓库 → Settings。

2. 进入 Security → Secrets and variables → Actions。

3. 点击 New repository secret。

4. 将名称设为 GEMINI_API_KEY。

5. 在 Google AI Studio 获取 API 密钥作为值：

   • 在新标签页打开 Google AI Studio。
   • 点击 Get API key → Create new API key。
   • 复制生成的字符串并粘贴为密钥的值。

测试您的新 AI 队友

现在进入有趣的部分！让我们看看这个东西到底能做什么。

测试问题分流

我在我的 Flutter 购物清单项目中创建了一个新 issue，描述如下：

当用户在编辑模式下按下回车键时，系统将结束编辑模式并像往常一样更新，同时在被编辑的项目下方打开一个新的空项目，该项目获得焦点并准备好进行编辑。

为了触发分流，我在 issue 中添加了以下评论：

@gemini-cli triage this issue

几分钟内，action 运行完毕并自动将该 issue 标记为 bug。action 日志显示，它分析了描述并判断所描述的问题是缺失的功能，而不是新的特性请求。

测试代码修复

接下来，我让 AI 修复该 issue：

@gemini-cli fix this issue

AI 花了几分钟时间分析代码，制定了带复选框的详细计划，然后实现了更改。工作流程如下：

1. 阅读并分析 issue。
2. 检查现有代码库。
3. 制定详细的实现计划。
4. 按步骤执行计划。
5. 创建包含更改的新分支。

最终得到一个新分支（例如 fix-enter-key-functionality），其中包含可工作的代码。

测试拉取请求审查

最后，我手动从 AI 生成的分支创建了一个拉取请求（由于某些原因 AI 未能自动创建 PR）。几乎同时，另一个 action 被触发并发布了带有建议和潜在改进的自动审查。

总结

Gemini CLI GitHub Action 竟然是一位出乎意料的强大“AI 队友”。它可以：

• 自动标记 issue，为您节省分流时间。
• 生成代码修复，无需手动干预，即可生成可供审查的分支。
• 提供自动化 PR 评审，提前捕获代码风格问题和潜在 bug。

先在小型副项目上尝试使用，然后再考虑在更大的代码库中推广。和所有自动化工具一样，使用时要关注输出结果，并根据需要调整提示或配置。祝编码愉快！

实际有效的（以及无效的）

让我们诚实地看待结果。

好消息： 代码真的起作用了！当我测试我的 Flutter 应用时，在编辑项目时按 Enter 会更新该项目并创建一个新项目。功能实现正确，尽管我的描述比较模糊。

然而，仍有一些限制：

• 与 JavaScript 项目相比，AI 在 Flutter/Dart 上表现得更吃力（因为针对网页技术的训练数据更多）。
• 调试和纠正 Flutter 特有的问题花费的时间更长。
• 与 Cursor 等工具相比，自动化的方式感觉有些奇怪，因为我无法逐行批准更改。
• 它对我的配置文件做了一些不必要的修改。
• 拉取请求的创建失败，需要手动介入。

更佳结果的专业提示

基于我的测试，以下是一些建议：

1. 编写更好的问题描述

虽然我模糊的描述也能起作用，但如果提供详细的需求、验收标准以及项目背景，你会得到更好的结果。始终将工作拆分成小块。

2. 为不同任务使用不同的 AI 工具

我建议在编写代码和审查代码时使用不同的 AI 工具。例如，让 Claude 编写代码，使用 Gemini（或其他工具）进行审查。这样可以提供新视角，捕捉原工具可能遗漏的问题。

3. 审查提示

最佳特性之一是所有提示都是可见且可自定义的。查看 .github/workflows 文件，了解 AI 正在遵循的具体指令，并根据团队标准进行修改。

4. 从小处开始

首先在较小、非关键的仓库中进行测试。在将其部署到主要项目之前，先熟悉其工作方式。

结论：你应该尝试吗？

绝对值得。 即使有一些局限性，这款工具仍然是 AI 辅助开发的一大进步。它尤其适用于：

• 想要帮助处理日常任务的独立开发者
• 处理大量 issue 和 PR 的开源维护者
• 希望标准化审查流程的团队
• 对自主 AI 编码感兴趣的任何人

设置简单，免费使用（只需为 Gemini API 的使用付费），并且提示完全可定制。即使你不直接按原样使用它，研究这些提示和工作流结构也能为有效的 AI 自动化提供极佳的洞见。

准备开始吗？

以下是你的行动计划：

1. 选择一个测试仓库（不要是你的主项目！）。
2. 按照上面的设置步骤进行操作。
3. 创建一个简单的 issue 来测试分流功能。
4. 在小范围的内容上尝试 fix 命令。
5. 试验自定义提示，以匹配你的工作流。

记住，这仍然是早期技术。以好奇心而非完美期待来使用它，你很可能会发现对开发工作流真正有用的自动化。

编程的未来正变得越来越依赖人类与 AI 的协作。像这样的工具让我们得以一窥这种合作伙伴关系的可能模样——说实话，这相当令人兴奋。

你尝试过 Gemini CLI GitHub Action 吗？我很想听听你的使用体验以及你为项目定制的任何创意方式。