很多团队已经在用 AI 写代码，但常见瓶颈是：
- AI 能写，但流程不稳定
- 改动可运行，但不可审计
- 测试和截图报告靠手工，效率低
真正可落地的做法是把 AI 放进 CI/CD：
自动触发任务 → 自动编码提交 → 自动测试 → 自动截图报告 → 人工审核合并
这篇文章给你一套可执行思路：基于 Claude GitHub App + GitHub Actions，把“问答式辅助”变成“工程化流水线”。
一、目标架构
建议采用这条主链路：
- Issue/评论触发（label 或 slash command）
- Claude GitHub App 读取上下文并生成改动
- 推送到
ai/*分支并创建 PR - GitHub Actions 自动执行 lint/test/build
- E2E 自动产出截图并上传 artifact
- Workflow 回贴测试摘要与截图链接
- 人工 reviewer 决策是否 merge
核心原则：AI 负责执行，人类负责决策。
二、仓库侧先做 4 个约束
1) 标准化 AI 触发入口
- label：
ai-task/ai-refactor/ai-test - 评论命令：
/claude implement
2) 禁止 AI 直推主分支
- 只允许
ai/*分支 + PR - main 分支受保护（必需 CI 通过）
3) 提前写好规则文件
在仓库维护 CLAUDE.md，包括：
- 目录边界
- 代码规范
- 必测项
- commit / PR 说明格式
4) CI 做门禁，不做摆设
- lint / test / build 任一失败不可合并
- 必须附截图报告（关键页面）
三、Workflow 建议拆三段
A. AI 实现任务（issue/comment 触发）
- 监听
issues/issue_comment - 满足条件后触发 Claude App 生成改动
B. PR 质量流水线
pull_request自动 lint + test + build- 失败自动回贴摘要
C. 截图报告流水线
- 跑 E2E（Playwright/Cypress）
- 上传截图 artifact
- 在 PR 中输出链接或摘要
拆分后优点：故障定位更快、复用更容易、权限更清晰。
四、一个精简示例（结构示意）
注意：不同 Claude GitHub App 集成方式 action 名称可能不同，下面重点看流程组织。
name: ai-dev-pipeline
on:
issue_comment:
types: [created]
pull_request:
types: [opened, synchronize, reopened]
jobs:
ai_implement:
if: github.event_name == 'issue_comment' && contains(github.event.comment.body, '/claude implement')
runs-on: ubuntu-latest
steps:
- uses: actions/checkout@v4
- name: Claude implements task
uses: anthropics/claude-github-app-action@v1 # 占位示例
with:
prompt: |
Implement requested change.
Follow CLAUDE.md conventions.
Add/update tests.
github-token: ${{ secrets.GITHUB_TOKEN }}
ci_test:
if: github.event_name == 'pull_request'
runs-on: ubuntu-latest
steps:
- uses: actions/checkout@v4
- uses: actions/setup-node@v4
with:
node-version: 20
- run: npm ci
- run: npm run lint
- run: npm test -- --ci
- run: npm run build
e2e_screenshot:
if: github.event_name == 'pull_request'
runs-on: ubuntu-latest
steps:
- uses: actions/checkout@v4
- uses: actions/setup-node@v4
with:
node-version: 20
- run: npm ci
- run: npx playwright install --with-deps
- run: npm run test:e2e
- uses: actions/upload-artifact@v4
with:
name: e2e-screenshots
path: tests/artifacts/screenshots五、截图报告怎么写才有价值
只放图片不够，建议最少包含：
- 页面/路由清单
- 关键状态（空态/正常态/错误态）
- 失败截图定位信息（接口、控制台错误摘要）
- 可点击 artifact 链接
目标不是“有截图”，而是让 reviewer 在最短时间判断风险。
六、常见坑位
- 任务定义模糊 → AI 改动发散，返工多
- 没有分支保护 → 风险直达主干
- 只看测试通过，不看行为变化 → 漏掉真实问题
- 无成本控制 → 大任务让 AI 一次吞下，质量不稳
- 日志不可追溯 → 复盘困难
结语
高效 AI 开发不是“让 AI 一次写完全部代码”，而是：
用 Workflow 把 AI 的能力纳入可控、可审计、可协作的工程体系。
这样你得到的不是“偶尔有效的助手”，而是“稳定可复用的产能”。
参考链接
- GitHub Actions 文档：https://docs.github.com/actions
- Workflow syntax：https://docs.github.com/actions/using-workflows/workflow-syntax-for-github-actions
- GitHub Apps：https://docs.github.com/apps
- Claude Code 文档索引：https://code.claude.com/docs/llms.txt
- Claude Code 文档入口：https://code.claude.com/docs