Slash Command Dispatch 项目教程
2024-09-15 02:00:46作者:秋阔奎Evelyn
1. 项目介绍
Slash Command Dispatch 是一个 GitHub Action,旨在通过创建仓库调度事件来实现 "ChatOps"。它允许用户在 GitHub 仓库的评论中使用斜杠命令(如 /deploy、/integration-test 等)来触发特定的操作。这些命令可以用于自动化工作流程,例如部署、测试、文档构建等。
主要功能
- ChatOps:通过评论中的斜杠命令触发操作。
- 仓库调度事件:创建
repository_dispatch事件,支持并行处理工作流程。 - 工作流程调度事件:创建
workflow_dispatch事件,支持预定义输入参数。
2. 项目快速启动
安装与配置
-
创建 GitHub 个人访问令牌(PAT):
- 访问 GitHub 开发者设置 生成一个具有
repo权限的 PAT。
- 访问 GitHub 开发者设置 生成一个具有
-
添加 PAT 到仓库 secrets:
- 在 GitHub 仓库的
Settings->Secrets and variables->Actions中添加一个新的 secret,命名为GH_PAT,并将生成的 PAT 值填入。
- 在 GitHub 仓库的
-
创建工作流程文件:
- 在仓库的
.github/workflows目录下创建一个新的工作流程文件,例如slash-command-dispatch.yml。
- 在仓库的
name: Slash Command Dispatch
on:
issue_comment:
types: [created]
jobs:
slashCommandDispatch:
runs-on: ubuntu-latest
steps:
- name: Slash Command Dispatch
uses: peter-evans/slash-command-dispatch@v4
with:
token: ${{ secrets.GH_PAT }}
commands: |
deploy
integration-test
build-docs
- 创建处理调度事件的工作流程:
- 创建另一个工作流程文件,例如
deploy-command.yml,用于处理/deploy命令。
- 创建另一个工作流程文件,例如
name: Deploy Command
on:
repository_dispatch:
types: [deploy-command]
jobs:
deploy:
runs-on: ubuntu-latest
steps:
- name: Checkout code
uses: actions/checkout@v3
- name: Deploy
run: |
echo "Deploying application..."
# 添加部署脚本
3. 应用案例和最佳实践
应用案例
自动化部署
通过在 PR 评论中输入 /deploy 命令,自动触发应用的部署流程。
自动化测试
在 PR 评论中输入 /integration-test 命令,自动触发集成测试工作流程。
最佳实践
- 权限控制:使用
permission输入参数来控制哪些用户可以触发命令。 - 静态参数:使用
static-args输入参数来为每个命令添加固定的参数。 - 事件类型后缀:使用
event-type-suffix输入参数来自定义调度事件的类型后缀。
4. 典型生态项目
GitHub Actions
Slash Command Dispatch 是 GitHub Actions 生态系统的一部分,可以与其他 GitHub Actions 结合使用,例如:
- actions/checkout:用于检出代码。
- actions/setup-python:用于设置 Python 环境。
- peter-evans/create-or-update-comment:用于在命令完成后更新评论。
其他相关项目
- GitHub Actions Marketplace:提供了大量可用于自动化工作流程的 Actions。
- GitHub Sponsors:支持开源开发者,帮助他们持续维护和改进项目。
通过这些工具和项目的结合,可以构建强大的自动化工作流程,提高开发效率和代码质量。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
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
9
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
64
19
暂无简介
Dart
671
155
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++
660
308
Ascend Extension for PyTorch
Python
220
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.83 K
React Native鸿蒙化仓库
JavaScript
259
322