Repository Dispatch 使用教程
1. 项目介绍
Repository Dispatch 是一个 GitHub Action,用于创建仓库调度事件。通过这个 Action,你可以触发特定的工作流或事件,从而实现自动化流程。这个工具特别适用于 CI/CD 流程中,当你需要在不同的仓库之间进行事件调度时。
2. 项目快速启动
2.1 安装与配置
首先,你需要在 GitHub 仓库中创建一个工作流文件(例如 .github/workflows/dispatch.yml)。然后,将以下内容复制到该文件中:
name: Repository Dispatch
on:
workflow_dispatch:
jobs:
dispatch:
runs-on: ubuntu-latest
steps:
- name: Repository Dispatch
uses: peter-evans/repository-dispatch@v3
with:
token: ${{ secrets.PAT }}
repository: username/my-repo
event-type: my-event
client-payload: '{"ref": "${{ github.ref }}", "sha": "${{ github.sha }}"}'
2.2 创建 Personal Access Token (PAT)
为了能够调度远程仓库,你需要创建一个 Personal Access Token (PAT),并将其存储为仓库的秘密(Secret)。具体步骤如下:
- 在 GitHub 上,进入你的账户设置,选择“Developer settings”。
- 点击“Personal access tokens”,然后选择“Generate new token”。
- 为你的 Token 选择适当的权限(例如
repo权限),然后生成 Token。 - 将生成的 Token 存储为仓库的秘密,例如
PAT。
2.3 触发调度事件
你可以通过以下方式触发调度事件:
- 手动触发:在 GitHub 仓库的 Actions 页面中,选择你的工作流并手动运行。
- 通过 API 触发:使用 GitHub API 发送 POST 请求到
/repos/{owner}/{repo}/dispatches端点。
3. 应用案例和最佳实践
3.1 跨仓库事件调度
假设你有两个仓库:repo-A 和 repo-B。你希望在 repo-A 中完成某个任务后,自动触发 repo-B 中的某个工作流。你可以使用 Repository Dispatch 来实现这一需求。
在 repo-A 的工作流中添加以下步骤:
- name: Dispatch to repo-B
uses: peter-evans/repository-dispatch@v3
with:
token: ${{ secrets.PAT }}
repository: org-name/repo-B
event-type: trigger-workflow
在 repo-B 的工作流中,监听 trigger-workflow 事件:
on:
repository_dispatch:
types: [trigger-workflow]
3.2 多仓库调度
如果你有多个仓库需要调度,可以使用矩阵策略(Matrix Strategy)来简化配置。例如,调度三个仓库:
jobs:
dispatch:
strategy:
matrix:
repo: ['org-name/repo1', 'org-name/repo2', 'org-name/repo3']
runs-on: ubuntu-latest
steps:
- name: Repository Dispatch
uses: peter-evans/repository-dispatch@v3
with:
token: ${{ secrets.PAT }}
repository: ${{ matrix.repo }}
event-type: my-event
4. 典型生态项目
4.1 GitHub Actions
Repository Dispatch 是 GitHub Actions 生态系统中的一个重要组件。它与其他 GitHub Actions 结合使用,可以实现复杂的自动化流程。
4.2 CI/CD 工具
在 CI/CD 流程中,Repository Dispatch 可以用于触发不同阶段的任务,例如构建、测试和部署。通过与其他 CI/CD 工具集成,可以实现更高效的自动化工作流。
4.3 开源社区
许多开源项目使用 Repository Dispatch 来管理跨仓库的依赖和事件调度。例如,一些大型开源项目可能会在核心仓库中完成某个任务后,自动触发其他相关仓库的工作流。
通过以上步骤和案例,你可以快速上手并应用 Repository Dispatch 来实现复杂的自动化任务。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00