【亲测免费】 GitHub Actions Labeler 使用教程
2026-01-22 05:07:53作者:虞亚竹Luna
1. 项目介绍
GitHub Actions Labeler 是一个用于自动标记 Pull Request 的 GitHub Action。它可以根据 Pull Request 中更改的文件路径或分支名称自动应用标签。这个工具特别适用于需要根据代码更改内容自动分类和标记 Pull Request 的项目。
2. 项目快速启动
2.1 创建配置文件
首先,在你的项目根目录下创建一个名为 .github/labeler.yml 的配置文件。这个文件定义了如何根据文件路径或分支名称来应用标签。
# .github/labeler.yml
Documentation:
- changed-files:
- any-glob-to-any-file: 'docs/*'
Feature:
- head-branch: ['^feature', 'feature']
Release:
- base-branch: 'main'
2.2 创建 GitHub Actions 工作流
接下来,创建一个 GitHub Actions 工作流文件 .github/workflows/labeler.yml,以便在 Pull Request 创建或更新时自动应用标签。
# .github/workflows/labeler.yml
name: "Pull Request Labeler"
on:
- pull_request_target
jobs:
labeler:
permissions:
contents: read
pull-requests: write
runs-on: ubuntu-latest
steps:
- uses: actions/labeler@v5
with:
repo-token: ${{ secrets.GITHUB_TOKEN }}
configuration-path: .github/labeler.yml
2.3 提交并测试
将上述配置文件和工作流文件提交到你的 GitHub 仓库中,并创建一个新的 Pull Request 来测试自动标签功能。
3. 应用案例和最佳实践
3.1 应用案例
- 文档更新:当 Pull Request 包含对
docs/目录下的文件进行更改时,自动应用Documentation标签。 - 功能开发:当 Pull Request 的分支名称以
feature开头时,自动应用Feature标签。 - 发布分支:当 Pull Request 的目标分支是
main时,自动应用Release标签。
3.2 最佳实践
- 精细匹配:使用
any和all关键字来实现更精细的匹配规则,确保标签应用的准确性。 - 分支匹配:利用
base-branch和head-branch来根据分支名称应用标签,适用于多分支开发模式。 - 路径匹配:使用
changed-files来根据文件路径应用标签,适用于大型项目中的文件分类。
4. 典型生态项目
- GitHub Actions:GitHub Actions 是一个强大的 CI/CD 工具,Labeler 作为其中的一个 Action,可以与其他 Actions 结合使用,实现更复杂的自动化流程。
- Codeowners:Codeowners 文件可以与 Labeler 结合使用,自动分配代码审查责任人,并根据责任人自动应用标签。
- Dependabot:Dependabot 可以自动创建依赖更新的 Pull Request,Labeler 可以自动为这些 Pull Request 应用标签,方便管理和分类。
通过以上步骤和案例,你可以快速上手并充分利用 GitHub Actions Labeler 来提高项目管理的效率。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C0134
let_datasetLET数据集 基于全尺寸人形机器人 Kuavo 4 Pro 采集,涵盖多场景、多类型操作的真实世界多任务数据。面向机器人操作、移动与交互任务,支持真实环境下的可扩展机器人学习00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
AgentCPM-ReportAgentCPM-Report是由THUNLP、中国人民大学RUCBM和ModelBest联合开发的开源大语言模型智能体。它基于MiniCPM4.1 80亿参数基座模型构建,接收用户指令作为输入,可自主生成长篇报告。Python00
最新内容推荐
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
498
3.66 K
Ascend Extension for PyTorch
Python
301
343
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
309
134
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
870
482
暂无简介
Dart
745
180
React Native鸿蒙化仓库
JavaScript
297
347
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
11
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
66
20
仓颉编译器源码及 cjdb 调试工具。
C++
150
882