GitHub Issue 转 PR Agent:异步云编程

GitHub Issue 转 PR Agent:异步云编程

本节摘要:给 issue 打个标签就出 PR——这是 2026 年自主编程 Agent 的产品形态:在云沙箱里跑 Agent,验证测试通过,发一个带理由、可评审的 PR。AWS Remote SWE Agents、Cursor Background Agents、OpenAI Codex 云版、Google Jules 都发了。难点在自动复现仓库构建环境、防凭证泄漏、按仓库强制预算、保证 Agent 不能强推。本节构建自建版,在成本与通过率上对照托管替代。你会学到环境推断、CI-in-sandbox 验证门、分支保护替代路径权限、每仓库每日预算。

对应原课程:Phase 19 · Lesson 16 · github-issue-to-pr-agent(原英文 phases/19-capstone-projects/16-github-issue-to-pr-agent/docs/en.md)。

学习目标

阅读完本节,你应当能够:

1. 解释异步云编程 Agent 与交互式编程 Agent(毕业项目 01)为何是不同产品类。
2. 用 GitHub App webhook + Lambda 接收 issue 标签/PR 评论,经 SQS 派发到 ECS Fargate worker。
3. 做环境推断:检测语言与包管理器,无 Dockerfile 时现场生成。
4. 在 Daytona/E2B 沙箱里跑 mini-swe-agent/SWE-agent v2 循环(Opus 4.7/GPT-5.4-Codex),硬限 $20/30 分钟/30 轮。
5. 用「CI-in-sandbox + 覆盖率增量门」作验证:CI 红则不开 PR,覆盖率跌 > 2% 则标 needs-review。
6. 用分支保护(而非 App 权限)强制「禁推 main」「禁强推」,worker 用允许清单禁写 .github/workflows。

一、问题与直觉

异步云编程 Agent 是与交互式编程 Agent(毕业项目 01)不同的产品类。UX 是一个 GitHub 标签。你给 issue 打 @agent fix this,一个 worker 在云沙箱里起,克隆仓库、跑测试、改文件、验证、开一个带 Agent 理由的 PR。没有交互循环、没有终端。AWS Remote SWE Agents、Cursor Background Agents、OpenAI Codex 云版、Google Jules、Factory Droids 都收敛到这。

工程挑战具体:环境复现(Agent 得在没有缓存开发镜像的情况下从零构建仓库)、抖动测试(必须重跑或隔离)、凭证范围(最小细粒度权限的 GitHub App)、按仓库按天预算强制、禁强推策略。本节度量通过率、成本、安全,对照托管替代。

二、从零实现

触发是 GitHub webhook(issue 标签或 PR 评论)。派发器把工作排到 ECS Fargate 或 Lambda。worker 把仓库拉进一个 Daytona 或 E2B 沙箱,配一个从仓库推断的通用 Dockerfile(语言、框架)。Agent 跑一个 mini-swe-agent 或 SWE-agent v2 循环,对着 Claude Opus 4.7 或 GPT-5.4-Codex。它迭代:读代码、提修复、打 patch、跑测试。

验证是门控步。PR 开之前,沙箱里必须全套 CI 通过。算覆盖率增量;若为负超过阈值,PR 开但标 needs-review。Agent 把理由作为 PR 描述,加一个评审者可 @ 的 @agent 线追问。

安全经两个不同 GitHub 面做。App 提供一个带 workflows: read 与窄 contents/PR 范围的短时安装 token;分支保护(不是 App 权限)强制「禁直推 main」「禁强推」——App 永不进绕过清单。对 .github/workflows 的路径范围只读不是真正的 GitHub App 原语,所以文件编辑的允许清单得在 worker 上强制。每仓库每日预算在派发器强制(如每仓库每天最多 5 PR,每 PR 20 美元)。

验证门(双重:CI + 覆盖率):

def verify(sandbox, base_coverage):
    if not sandbox.run_full_ci().green:
        return halt_no_pr()                       # CI 红,不开 PR
    delta = sandbox.coverage() - base_coverage
    label = "needs-review" if delta < -0.02 else None
    open_pr(sandbox.branch, rationale, label=label)
​

三、架构与技术栈

• 触发:细粒度 token 的 GitHub App;经 Lambda 或 Fly.io 的 webhook 接收器。
• worker:ECS Fargate task(或 GitHub Actions 自托管 runner)。
• 沙箱:每任务一个 Daytona devcontainer 或 E2B 沙箱。
• Agent 循环:mini-swe-agent 基线或 SWE-agent v2,上 Claude Opus 4.7 / GPT-5.4-Codex。
• 检索:tree-sitter repo-map + ripgrep。
• 验证:沙箱内全套 CI + 覆盖率增量门。
• 可观测性:Langfuse 配每 PR trace 归档,从 PR 体链接。
• 预算:每仓库每日美元上限;每仓库每天最多 PR 数。

四、可复用产物

outputs/skill-issue-to-pr.md 是交付物:一个 GitHub App + 异步云 worker,把打标 issue 转成可评审 PR,带受限成本与范围凭证。评分量表:

一次典型流程:

# on github.com
  - user labels issue #842 with `@agent fix this`
  - PR #1903 appears 14 minutes later
  - body:
    > Fixed NPE in widget.dedupe() caused by null comparator entry.
    > Added regression test widget_test.go::TestDedupeNullComparator.
    > Coverage delta: +0.12%
    > Turns: 7  Cost: $1.80  Trace: langfuse:...
    > Label: needs-review
​

五、框架对比

AWS Remote SWE Agents 是标杆参考,工程最完整;Cursor Background Agents 是商业竞品,编辑器集成最深;OpenAI Codex 云版与 Google Jules 是托管竞品;Factory Droids 是另一商业参考。本节的差异化在「自建 + 安全」:用 GitHub App + ECS Fargate + Daytona 沙箱自建,关键是用分支保护(而非 App 权限)强制禁推 main/禁强推——因为 GitHub App 权限不是路径范围的,worker 必须用允许清单禁写 .github/workflows。环境推断是另一个功夫点:无 Dockerfile 时从语言/包管理器现场生成,练习会让你加 Node/Go/Rust 覆盖。

六、练习

1. 修抖动测试:加一个「修抖动测试」模式——标签 @agent stabilize-flake TestX 在沙箱里跑测试 50 次,提议最小稳定改动。
2. 成本对比:在三个共享 issue 上对比成本 vs Cursor Background Agents,报告谁在哪赢。
3. 预算仪表盘:实现一个预算仪表盘——每仓库每天成本、每用户成本,异常告警。
4. dry-run:建一个「dry-run」模式——不开 CI 开 draft PR,让评审者低成本审查计划。
5. 保留策略:加保留策略——7 天未合并的 PR 分支自动删。

本节要点回顾

1. 异步云 Agent 是不同类:UX 是 GitHub 标签,无交互循环,云沙箱里跑。
2. 环境复现:从语言/包管理器推断 Dockerfile,无缓存镜像从零构建。
3. Agent 循环:mini-swe-agent/SWE-agent v2,Opus 4.7/Codex,硬限 $20/30 分钟/30 轮。
4. CI-in-sandbox 验证门:CI 红不开 PR,覆盖率跌 > 2% 标 needs-review。
5. 分支保护替代路径权限:App 永不进绕过清单,worker 允许清单禁写 .github/workflows。
6. 每仓库每日预算:派发器强制美元与 PR 数上限。

下一节,我们进入最后一个产品级毕业项目——「个人 AI 家教」,把苏格拉底式教学、学习者模型、记忆、多模态、安全串成一个有疗效度量的系统。