【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
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
567
3.83 K
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++
892
667
Ascend Extension for PyTorch
Python
376
445
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
349
200
昇腾LLM分布式训练框架
Python
116
145
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
778
暂无简介
Dart
798
197
React Native鸿蒙化仓库
JavaScript
308
359
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
1.13 K
271