GitHub Actions 部署到 GitHub Pages 教程
1. 项目介绍
deploy-pages 是一个 GitHub Action,用于将之前上传为工件(artifact)的 Pages 站点部署到 GitHub Pages。这个 Action 推荐在专门的作业中使用,以确保部署过程的独立性和可靠性。
主要功能
- 部署工件:将之前上传的工件部署到 GitHub Pages。
- 环境支持:支持
github-pages环境,并可根据需要配置不同的环境。 - 权限控制:通过
GITHUB_TOKEN进行权限控制,确保部署的安全性。
2. 项目快速启动
2.1 创建工作流文件
在你的 GitHub 仓库中,创建一个 .github/workflows/deploy.yml 文件,并添加以下内容:
name: Deploy to GitHub Pages
on:
push:
branches:
- main
jobs:
build:
runs-on: ubuntu-latest
steps:
- name: Checkout code
uses: actions/checkout@v2
- name: Upload Pages Artifact
uses: actions/upload-pages-artifact@v1
with:
path: ./build
deploy:
needs: build
runs-on: ubuntu-latest
environment:
name: github-pages
url: $[[ steps.deployment.outputs.page_url ]]
steps:
- name: Deploy to GitHub Pages
id: deployment
uses: actions/deploy-pages@v4
with:
token: $[[ secrets.GITHUB_TOKEN ]]
2.2 配置权限
确保你的 GITHUB_TOKEN 具有足够的权限来部署到 GitHub Pages。你可以在仓库的设置中配置这些权限。
2.3 触发部署
将上述工作流文件推送到 main 分支,GitHub Actions 将自动触发部署过程。
3. 应用案例和最佳实践
3.1 静态网站部署
使用 deploy-pages 可以轻松地将静态网站部署到 GitHub Pages。例如,你可以使用 React、Vue 或 Hugo 等框架生成静态网站,然后通过 upload-pages-artifact 上传生成的工件,最后使用 deploy-pages 进行部署。
3.2 CI/CD 集成
将 deploy-pages 集成到你的 CI/CD 流程中,可以在每次代码推送时自动部署到 GitHub Pages,确保网站内容的实时更新。
3.3 多环境部署
通过配置不同的环境,你可以在不同的分支或环境中进行部署。例如,你可以在 staging 环境中测试部署,然后在 production 环境中正式发布。
4. 典型生态项目
4.1 actions/upload-pages-artifact
upload-pages-artifact 是 deploy-pages 的配套 Action,用于将生成的工件上传到 GitHub Pages。它支持多种文件格式和路径,确保你可以灵活地上传所需的文件。
4.2 actions/checkout
checkout 是一个常用的 GitHub Action,用于从仓库中检出代码。在部署过程中,通常需要先检出代码,然后再进行构建和部署。
4.3 actions/setup-node
如果你使用 Node.js 进行开发,setup-node 可以帮助你快速设置 Node.js 环境,并安装所需的依赖包。这对于构建静态网站非常有用。
通过以上模块的介绍,你可以快速上手并使用 deploy-pages 进行 GitHub Pages 的部署。希望这篇教程对你有所帮助!
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
Baichuan-M3-235BBaichuan-M3 是百川智能推出的新一代医疗增强型大型语言模型,是继 Baichuan-M2 之后的又一重要里程碑。Python00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00