使用 FastGPT 工作流搭建 GitHub Issues 自动总结机器人

如今任何项目开发节奏都很快，及时掌握项目动态是很重要滴，GitHub Issues 一般都是开发者和用户反馈问题的主要渠道。

然而，随着 Issue 数量的增加，及时跟进每一个问题会变得越来越困难。

为了解决这个痛点，我们开发了一个自动化 Issue 总结机器人，它的功能很简单：

自动获取项目最新的 GitHub Issues；
智能总结 Issues 内容；
将总结推送到指定的飞书群。

接下来我会提供详细的操作步骤，一步步实现这个机器人。

话不多说，拿起键盘，开始教学 ~

GitHub API 介绍

GitHub 提供了强大的 API 让我们能够轻松获取 Issues 信息。我们将使用以下接口来获取某个 repo 的 Issues：

https://api.github.com/repos/{owner}/{repo}/issues

这个接口默认返回最近的 30 条 Issues。

可以参考 Github 的 API 文档以获得更多的信息。

FastGPT 介绍

FastGPT 是一个能让 AI 开发门槛大幅降低的工具。不管你是有技术背景的开发者，还是只是对 AI 感兴趣的小白，FastGPT 都能帮你轻松入门，甚至可以让你在几分钟内构建出一个属于自己的 AI 应用。

传统的 AI 开发，你需要掌握编程、算法、数据处理等复杂技能。但是使用 FastGPT，你只需要简单几步就能启动一个 AI 应用。打个比方，传统的 AI 开发就像是你自己动手盖一栋房子，不但需要砖头、瓦片，还得有设计图纸；而 FastGPT 更像是搭积木，你只需选好模块，几块拼起来，房子就能立刻成型。

本文就会教大家如何使用 FastGPT 工作流来一步一步实现这个机器人。

FastGPT 工作流搭建过程

首先我们要登录 FastGPT 并新建一个工作流：

名字就叫 GitHub Issue 总结机器人吧。

然后开始一步一步添加节点。接下来开始对工作流进行拆解并详细讲解。

1. 构造查询范围

首先我们需要以当前时间节点为基准，获取 24 小时前的具体日期。需要使用到的节点是【代码运行】节点。

完整代码如下：

function main() {

  const date = new Date();

  date.setDate(date.getDate() - 1);

  const day = date.getDate();

  const month = date.getMonth() + 1;

  const year = date.getFullYear();

  const hours = date.getHours();

  const minutes = date.getMinutes();

  return {

    date: `${year}-${month}-${day}T${hours}:${minutes}:000Z`,

  }

 }

2. 利用 GitHub API 获取 Issues

这一步我们将使用【HTTP 请求】节点来访问 GitHub API 来获取指定项目过去 24 小时内的 Issues。

这里以 FastGPT 项目为例。

3. 处理 API 响应数据

获取到原始数据后，我们需要对其进行处理，提取出我们需要的信息。同样使用【代码运行】节点。

完整代码如下：

function main({res}) {

    const issues = JSON.parse(res);

    const ret = [];

    for(const issue of issues) {

        if (issue.pull_request) continue;

        ret.push({

            title: issue.title,

            body: issue.body,

            url: issue.html_url

        })

    }

    return {

        ret: JSON.stringify(ret)

    }

}

由于 issue 接口会将 pull_request 也视为 issue，所以我们只能在代码里面过滤。

4. 使用大语言模型总结内容

为了生成高质量的摘要，我们使用大语言模型来处理和总结 Issues 内容。

提示词如下：

你是一个简洁高效的 GitHub Issue 概述助手，专长于提炼核心问题并以清晰简洁的方式呈现。

## 任务

分析输入的多条 issue 信息，为每个 issue 创建一个简明扼要的概述。使用中文输出。

## 输入格式

JSON 数组，每项包含 title(标题)、body(内容)和 url(链接)。

## 输出格式

对每个 issue 使用 Markdown 语法创建简洁的概述块。每个概述应包含：

1. 使用加粗呈现 issue 的原标题

2. 一段简短的问题概述（不超过 2-3 句话）

3. 原 issue 的链接（使用 Markdown 链接语法）

在概述中适当使用 emoji 来增加可读性，但不要过度使用。保持整体风格简洁明了。

示例输出：

---

** 数据可视化组件性能优化**

这个 issue 反映了在处理大量数据时图表加载缓慢的问题。用户在数据点超过一定数量时experiencing明显的性能下降，影响了用户体验。

 [查看原 issue](url1)

---

** 移动端界面适配问题**

该 issue 指出在某些特定型号的移动设备上出现了界面布局错乱的情况。这个问题影响了应用在不同尺寸屏幕上的一致性展现。

 [查看原 issue](url2)

---

请确保每个 issue 概述都简洁明了，突出核心问题，避免过多细节。保持整体风格统一，让读者能快速理解每个 issue 的要点。

5. 飞书 Webhook 设置

使用飞书机器人的 Webhook URL，我们可以将总结后的内容推送到指定的飞书群。这一步需要用到【飞书机器人 webhook】节点。

这里的 hook_url 我们将在下一步告诉大家如何获取。

6. 创建并设置飞书机器人

首先需要访问飞书机器人助手页面，然后新建一个机器人应用 --> 创建一个流程。

其中 Webhook 触发节点的参数如下：

{"content":{"text":"test"}}

下面一个节点选择【发送飞书消息】，选择发送对象为群消息，并指定群组，自定义一个消息标题。

然后在【消息内容】中点击“加号”，选择 Webhook 触发 --> content.text。

最终保存启用，等待管理员审核通过即可。

审核通过后，将【Webhook 触发】节点的 Webhook 地址填入上述 FastGPT 工作流【飞书机器人 webhook】节点的 hook_url 中。

最终效果

实现这个自动化工具后，你的飞书相关群组每天将会收到类似下图的 Issues 总结：

总结

通过本文的教程，大家应该可以发现，一般情况下根本不需要自己写大量代码，只需要拖拉拽一些预设模块，就能让 AI 应用跑起来。即使是总结 GitHub Issues 这样比较复杂的方案，也只需要编写少量的 JS 代码即可完成工作。

如果你连一点点代码都不想写，那也没问题，只需要导入我分享的工作流就可以了。

工作流导入方式：将鼠标指针悬停在新建的工作流左上方标题处，然后点击【导入配置】

完整工作流：https://pan.quark.cn/s/019132869eca