Agent Skills
返回列表
GitHub 陈旧问题清理

GitHub 陈旧问题清理

开发编程 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md 指南,安装 @user_c5d41a7d/github-stale-issue-cleanup 技能到您的AI助手。

技能介绍

它解决什么问题

当仓库里的 issue 长期没有评论、更新或状态推进时,问题区会逐渐变成信息坟场:旧请求压着新缺陷,维护者很难判断哪些仍值得处理。这个技能面向的是 GitHub issue backlog 的周期性治理,而不是一次性批量删帖。它先识别超过 30 天未活动的 issue,再通过预警和人工确认控制清理节奏。

工作方式与关键步骤

核心流程可以拆成三个动作:

  • 识别陈旧项:按“超过 30 天未活动”的规则扫描 issue。
  • 生成候选清单:输出“可关闭候选清单”,供人工确认,而不是直接替人下结论。
  • 降低误关风险:采用先评论预警、再关闭的路径,让关闭动作有可见痕迹。

长期运行时,建议先把数据源、刷新频率和输出格式固定下来,再逐步加入评分、告警或优先级判断。可以把它当作 stale 检测逻辑 + 执行提示词的自动化流程:一轮试跑用于验证规则,稳定版再按周运行。验收时至少确认原始链接、去重结果和最终摘要可追溯,并抽样核对结论。

适用边界与运行注意

它适合有明确 issue 管理责任的工程团队,尤其当积压规模已经影响响应质量时。正式接入账号、数据源或自动操作前,先确认权限边界;不要把未经验证的数据直接作为关闭决策。高风险动作默认应只生成建议或草稿,不直接执行。可观测性也需要跟上:保留运行日志、输入样例和最终输出,方便复盘与交付验收。

使用场景

  • 仓库 issue 积压,每周需识别超过 30 天未活动的 issue,生成可关闭候选清单。
  • 试跑一轮清理流程,验证 stale 检测规则,不直接执行关闭操作。
  • 长期运行自动化,每周评论预警,人工确认后关闭陈旧 issue。
  • 复盘清理结果,抽样核对原始链接和去重数据,确认结论可追溯。

适合人员

  • 仓库维护者:关注 issue 积压规模,需要先预警再清理的流程。
  • 工程团队:需要长期运行自动化清理,降低陈旧 issue 干扰。
  • 交付验收人员:需要保留日志和输出,核对清理结果的可追溯性。
  • DevOps 工程师:关注权限边界,需要先确认再执行关闭操作。