適用於 Openclaw 的 GitHub Actions 執行耗時回歸審計

分析並對比 GitHub Actions 執行階段指標,以檢測效能回歸並優化 CI 成本。

daniellummis
v1.0.0
Mar 6, 2026
0
819
0

安裝與下載

1. ClawHub CLI

從來源直接安裝技能的最快方式。

npx clawhub@latest install github-actions-runtime-regression-audit

2. 手動安裝

將技能資料夾複製到以下位置之一

全域模式
~/.openclaw/skills/
工作區
<project>/skills/

優先級:工作區 > 本地 > 內建

3. 提示詞安裝

將此提示詞複製到 OpenClaw 即可自動安裝。

請幫我使用 Clawhub 安裝 github-actions-runtime-regression-audit。如果尚未安裝 Clawhub,請先安裝(npm i -g clawhub)。

想要直接下載?

取得包含原生技能檔案的ZIP壓縮檔。

什麼是 GitHub Actions 執行耗時回歸審計?

GitHub Actions 執行耗時回歸審計是一款專為防止 CI/CD 冗餘而設計的專業工具,透過將目前工作流程效能與既定基準進行對比來實現。透過利用 Openclaw Skills 集合中的這一項,開發人員可以自動識別變慢的工作,確保 CI 成本和前置時間保持在可接受的範圍內。該技能處理原始 GitHub CLI 數據,為您的自動化效率提供具體見解,幫助團隊維持精簡且快速的開發週期。

GitHub Actions 執行耗時回歸審計 應用場景

  • 在合併大型功能集後檢測 CI/CD 管線的減速情況。
  • 透過識別消耗過多執行分鐘數的低效工作來審計 GitHub Actions 成本。
  • 針對數週的歷史數據對工作流程改進進行基準測試。
  • 實施 CI 門檻,在執行耗時回歸超過定義的關鍵閾值時使構建失敗。

GitHub Actions 執行耗時回歸審計 運作原理

  1. 使用 GitHub CLI (gh run view) 將基準執行數據和目前執行數據匯出為 JSON 格式。
  2. 使用 BASELINE_GLOB 和 CURRENT_GLOB 參數向技能提供檔案路徑。
  3. 技能解析 JSON 檔案,計算每個儲存庫、工作流程和工作的平均值及 p95 執行階段指標。
  4. 它執行差異分析,將目前效能與基準指標進行比較。
  5. 工具對最大的回歸進行排序,並根據使用者定義的警告和關鍵閾值對其進行標記。
  6. 技能生成文字或 JSON 報告,並可在檢測到關鍵回歸時選擇以失敗代碼退出。

GitHub Actions 執行耗時回歸審計 設定指南

要使用此技能,請確保已安裝 bash 和 python3。您首先需要從儲存庫中收集執行數據:

gh run view <run-id> --json databaseId,workflowName,headBranch,headSha,url,repository,jobs > artifacts/github-actions/run-<run-id>.json

收集數據後,執行審計腳本:

BASELINE_GLOB='artifacts/github-actions/baseline/*.json' \
CURRENT_GLOB='artifacts/github-actions/current/*.json' \
bash skills/github-actions-runtime-regression-audit/scripts/runtime-regression-audit.sh

GitHub Actions 執行耗時回歸審計 資料結構與分類體系

該技能透過計算兩組 JSON 檔案之間的差異來組織數據。它使用「儲存庫 + 工作流程 + 工作名稱」的複合鍵來識別工作。

輸入參數 描述 預設值
BASELINE_GLOB 歷史執行 JSON 檔案的 Glob 模式 必填
CURRENT_GLOB 目前執行 JSON 檔案的 Glob 模式 必填
WARN_DELTA_SECONDS 觸發警告的超過基準的秒數 30
CRITICAL_DELTA_SECONDS 觸發失敗的超過基準的秒數 90
OUTPUT_FORMAT 報告格式(text 或 json) text
FAIL_ON_CRITICAL 如果發現關鍵回歸,則以錯誤代碼退出 0

GitHub Actions 執行耗時回歸審計 進階特性

  • 使用正規表示式對特定儲存庫、工作流程和工作進行細粒度過濾,以排除雜訊。
  • 支援 p95 執行階段分析,以考量 CI 抖動和基礎設施異常值。
  • 透過 FAIL_ON_CRITICAL 標記實現自動化 CI 門檻,防止降低效能的程式碼被合併。
  • 靈活的輸出模式,使其與其他 Openclaw Skills 相容,用於自動報告或儀表板展示。
  • 檢測缺乏基準數據的新引入工作,以便立即進行效能追蹤。

SKILL.md


加載中

Openclaw 相關技能

METADATA

Requires
Bins bashpython3
Github Stars: 0
forks: 0

精選*