GitHub Actions 实战：从 0 到 1 搭建个人自动化流水线

写作注释: 本文由 AI 生成, 主题「从零开始用 GitHub Actions 做自动化」, 内容仅供参考, 欢迎留言交流。

开头引入

我手头有不少琐碎任务，比如定时抓取数据、自动编译博客、每隔几小时拉取一次接口。过去全靠服务器上的 crontab，配置繁琐且不易查看日志。直到我认真用了 GitHub Actions，才发现原来自动化可以这么简单：它免费、零运维、只需要一个 YAML 文件，而且每条运行记录都清晰可查。

这篇文章会从零开始，不讲复杂理论，直接带你写出第一个能跑的工作流。全程只需要一个 GitHub 账号和一次 commit，之后，你的自动化就交给 GitHub 托管，真正实现“一劳永逸”。

GitHub Actions 是什么？为什么值得学？

GitHub Actions 是 GitHub 提供的持续集成与持续部署（CI/CD）服务。它的核心运作方式是：当仓库发生某个事件时（push、PR、定时、手动触发），GitHub 会自动创建一个虚拟机环境，按你写好的步骤执行命令。

选择它的理由很直接：

• 免费额度充足：Public 仓库完全免费，私有仓库每月也有 2000 分钟免费额度；
• 无需运维机器：虚拟机由 GitHub 托管，支持 Ubuntu、Windows、macOS；
• 生态强大：Marketplace 里有大量现成 Action 可以复用，不必什么都自己写。

简单理解：GitHub Actions 就是一个“云端定时运行的脚本箱”，你在 .github/workflows/ 目录下放一个 YAML 文件，剩下的都交给 GitHub。

核心概念：Workflow / Job / Step / Event

动手写之前，先理清四个关键概念。

• Workflow（工作流）：一次自动化的完整流程定义，对应一个 YAML 文件。
• Job（任务）：工作流中的一个执行单元，可以包含多个 Step。
• Step（步骤）：Job 内具体的命令或 Action，按顺序从上到下执行。
• Event（事件）：触发工作流的条件，比如 push、pull_request、schedule（定时）、workflow_dispatch（手动）。

下面是最小可运行的工作流：

name: My First Workflow

on: [push]

jobs:
  hello:
    runs-on: ubuntu-latest
    steps:
      - name: echo hello
        run: echo "Hello from GitHub Actions"

把这个文件保存为 .github/workflows/first.yml 并 push 到仓库，片刻后就能在仓库的 Actions 标签页看到运行记录，每次提交都会自动跑一遍。

实战：写一个定时抓数据的自动化

接下来写一个真正有用的场景：每天 UTC 时间 23:00（即北京时间早上 7 点）自动用 Python 抓取接口数据，并把结果提交回仓库。工作流如下：

name: Daily Crawler

on:
  schedule:
    - cron: "0 23 * * *"   # UTC 时间，注意换算时区
  workflow_dispatch:        # 支持手动触发，方便测试

jobs:
  fetch:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
      - uses: actions/setup-python@v5
        with:
          python-version: "3.11"
      - name: Run script
        run: python scripts/fetch.py
      - name: Commit changes
        run: |
          git config user.name "github-actions[bot]"
          git config user.email "github-actions[bot]@users.noreply.github.com"
          git add .
          git commit -m "chore: update data $(date)" || echo "No changes"
          git push

对应的 Python 脚本 scripts/fetch.py：

import requests
import json
import pathlib

data = requests.get("https://api.example.com/today").json()
pathlib.Path("data.json").write_text(json.dumps(data))

工作流里其实做了三件事：拉取最新代码、运行抓取脚本、把生成的文件提交回仓库。这几个步骤组合起来，你的仓库就变成了一个自动更新的数据存档，全程无需人工介入。注意，schedule 使用的 cron 表达式默认是 UTC 时间，中国用户记得自行换算，比如 "0 15 * * *" 对应北京时间 23:00。

进阶技巧：Secrets、缓存与排错

1. 敏感信息一律放入 Secrets。不要把 API Key 直接写在 YAML 或脚本中。请前往仓库 Settings → Secrets and variables → Actions 添加密钥，然后在 YAML 中引用：

env:
  API_KEY: ${{ secrets.API_KEY }}

2. 使用缓存加速依赖安装。如果每次执行都要 pip install，可以开启 setup-python 自带的 pip 缓存：

- uses: actions/setup-python@v5
  with:
    python-version: "3.11"
    cache: "pip"

3. 排查失败任务。Actions 页面点击失败的任务，即可看到每个 Step 的完整日志。常用技巧有：在脚本开头加 set -x 打印详细执行过程；或者临时在 YAML 中加一步 run: env 查看环境变量，快速定位问题。

4. 区分定时任务与手动触发。schedule 只会在指定时间自动运行，而 workflow_dispatch 允许你在网页端手动点击“Run workflow”，两种事件可以同时配置，互不冲突。

总结

这篇文章从“为什么选 GitHub Actions”讲起，带你认识了 Workflow、Job、Step、Event 四个核心概念，并完成了一个定时抓取数据的自动化工作流，最后补充了 Secrets、缓存与排错技巧。

我的建议是：不要停留在示例，而是从自己的真实需求出发去改造它。比如每天自动更新博客的 RSS 参考、每周备份数据库并推送到私有仓库、每次 push 自动构建并部署到服务器。

这些场景的套路完全一致：定义触发事件 → 写好要执行的命令 → 推送到 .github/workflows/ 目录。一次 commit，之后世界开始自动运转。尝试一下，你也会上瘾。