【免费下载链接】NetcattySSH workspace, SFTP, and terminals in one项目地址https://gitcode.com/gh_mirrors/net/Netcatty点击查看免费下载本文基于仓库调研文档 docs/research/claude-code-ollama-cloud-automation.md完整梳理 Netcatty 将 GitHub Actions 中 Issue 自动化分类triage的 Agent 从 Cursor CLI 切换为 Claude Code Ollama Cloud 的决策过程从一次真实的 Cursor 额度故障出发到只换 Agent、保留控制平面的架构结论、无头调用参数、Ollama Cloud 端点配置、Web 调研缺口、安全映射与分阶段实施并逐条对照当前仓库中已经落地的实现工作流、Helper 源码、Schema、Prompt、README。读完本文你可以掌握一套在 GitHub Actions 中以锁定权限模式无头运行 Claude Code并用 Ollama Cloud 作为 Anthropic 兼容后端的完整可复用方案以及一个开源项目把可行性调研推进到生产落地的全过程样本。为什么做这次替换一次真实的 Cursor 额度故障Netcatty 的自动化管线由两个核心文件构成.github/workflows/ai-automation.yml —— GitHub Actions 编排scripts/ai-automation.cjs —— 路由、限流、标记、分类解析等控制平面逻辑约 4200 行。调研时该管线的线上模式为triage_only只对 Issue 做分类classify不实现修复、不跑 Codex 修复循环。一次生产环境的分类运行失败原因不是模型输出质量问题而是Cursor CLI 触发了使用额度上限ActionRequiredError: Youve hit your usage limit Get Cursor Pro for more Agent usage失败点发生在Classify issue作业的Research external context for classification步骤。这意味着只要 Cursor 额度耗尽整个 Issue 分类通道就会停摆——而分类是后续 implement / followup / Codex 循环的前置依赖。本次替换的目标被严格限定为保持 Issue 分类持续运行把 Agent 从 Cursor CLI 换成 Claude Code以 Ollama Cloud 作为 Anthropic 兼容后端Secrets 继续存放在 GitHub Actions 中通过gh设置绝不落入仓库。结论先行只替换 Agent 调用不重写控制平面调研结论是可行feasible for triage但有一个重要的边界约束不要用anthropics/claude-code-action直接替换整个工作流。因为该 Action 是为claude提及、Claude GitHub App、自己发评论的使用方式设计的而本仓库已经拥有netcatty-bot身份、准入配额、不可信 Issue 内容消毒、独立调研 pass 等一整套控制平面官方 Action 会与之冲突。正确的做法是像今天调用 Cursor 一样直接调用 Claude Code CLI。调研给出的分层保留 / 替换决策表层保留或替换原因事件路由、标签、每日限额、交接评论保留纯 GitHub 控制平面位于ai-automation.cjsCodexcodex review循环保留独立于 Cursor当前被triage_only暂停隔离调研工作区 imgproxy 截图保留安全契约仍然需要冻结 Helper 副本、泄漏扫描、Agent 无GITHUB_TOKEN保留威胁模型不变Cursor CLI 安装、AppArmor 沙箱、API-key fd 桥替换这部分正是额度耗尽的环节agent -p --sandbox enabled替换改用claude --bare -pdontAsk 工具白名单恢复优先级非常明确research classify 必须最先恢复implement / followup / Codex-fix 作业在分类通道稳定前可以继续暂停。现有管线如何工作工作流 YAML 之所以庞大是因为它本质上是一个编排器而不是在 Issue 上跑一个 Agent。作业结构如下route—— 决定issue_classify/issue_followup/codex_loop/ 跳过classify—— 准备 Issue JSON、隔离 Web 调研、分类、打标签implement/followup/codex_loop—— 在triage_only模式下全部关停Codex 重新请求与源 Issue 清理 —— 纯 GitHub 操作不涉及 Cursor。调研时 classify 是通过如下命令调用 Cursor 的sudo --preserve-envHOME,RUNNER_TEMP,GITHUB_WORKSPACE \ $RUNNER_TEMP/ai-claude-authenticated \ -p --modeask --trust --sandbox enabled --model auto --output-format text \ --workspace $GITHUB_WORKSPACE \ $PROMPT调研 pass 用同一个二进制在一个空临时工作区里跑--output-format stream-json随后parseExternalResearchStream()会强制要求流中出现一个真实完成的 WebSearch/WebFetch 工具事件。分类则必须写出.ai-runtime/classification.json包含category、confidence、summary、reasoning、reply、code_paths、code_findings七个字段。分类 JSON 契约Schema 曾过期落地后已刷新调研文档特别指出这个 JSON 契约的权威所有者是 scripts/ai-automation.cjs 中的normalizeClassification()而不是仓库里检入的 .github/ai/schemas/classification.schema.json——调研时该 Schema 文件是过期的遗漏了already_available、code_paths、code_findings。对照当前仓库这份 Schema 已经按调研建议刷新required数组现包含全部七个字段category枚举与normalizeClassification()中的CATEGORIES完全一致bug_ready、bug_needs_info、feature_quick_win、feature_defer、already_available、unclear、other并定义了各字段的约束字段约束取自 classification.schema.jsoncategory上述 7 个枚举值之一confidencenumber0 ≤ v ≤ 1summary1–1000 字符reasoning1–2000 字符reply1–3000 字符code_paths数组minItems 1每项非空字符串code_findings40–4000 字符要求给出代码勘察证据label_corrections数组maxItems 10可选normalizeClassification()还会在解析时做防御性降级scripts/ai-automation.cjs防止低置信度输出把 Issue 带向错误的自动处理路径bug_ready且confidence 0.8→ 降级为bug_needs_info回复改为索要复现步骤、期望/实际行为、OS 版本、日志feature_quick_win且confidence 0.7→ 降级为feature_defer交给维护者先看already_available且confidence 0.8→ 降级为other绝不低置信度自动关闭unclear且confidence 0.8→ 降级为bug_needs_info并替换掉任何将关闭口吻的回复。分类结果会映射到具体标签CATEGORY_LABELS见 scripts/ai-automation.cjs例如bug_ready→bugtriagetriage:bug-readyready-for-agentfeature_defer→enhancementtriagetriage:feature-deferready-for-humanalready_available→triagetriage:already-available。unclear与already_available是仅有的两个会自动关闭 Issue 的分类CLOSE_REASONS分别用not_planned与completed。Claude Code 作为无头运行器调研梳理了 Claude Code 官方无头模式claude -p的能力要点对应落地命令在 .github/workflows/ai-automation.yml退出码0 / 非 0天然适合脚本判断--bare跳过 hooks、skills、plugins、MCP、CLAUDE.md官方推荐用于 CI--output-format json或stream-json结构化输出--json-schema可以强制输出符合分类对象的 JSON--permission-mode dontAsk官方文档化的锁定 CI模式——只运行预先允许的工具其余一律拒绝且不弹交互--allowedTools/--disallowedTools工具白名单 / 黑名单认证-p/--bare下使用ANTHROPIC_API_KEY或ANTHROPIC_AUTH_TOKEN与 Claude.ai 订阅登录无关。两条明确禁令不要为 classify 使用--dangerously-skip-permissions。分类是只读任务dontAsk Read/Grep/Glob可选加Bash(rg *)已经足够不要采用anthropics/claude-code-action作为新工作流。理由如前它会与仓库既有的 bot 身份、准入配额、不可信内容消毒和独立调研 pass 争夺控制权应该像现在调用 Cursor 一样直接调用 CLI。Ollama Cloud 作为 Anthropic 端点Ollama 提供 Anthropic Messages 兼容层支持工具调用、流式、视觉与思考能力。到达云端模型有两条路径本地 Ollama 代理:cloud模型设置ANTHROPIC_BASE_URLhttp://localhost:11434。需要本地 Ollama 守护进程并登录——不适合 GitHub 托管的 runner直连 ollama.com APIANTHROPIC_BASE_URLhttps://ollama.com Ollama Cloud API key——这是 CI 路径。环境变量 → HTTP 头映射Ollama Cloud 的原生认证是向https://ollama.com发送Authorization: Bearer $OLLAMA_API_KEY。Claude Code 的环境变量映射关系如下Claude Code 环境变量对应 HTTP 头在 Ollama Cloud 下取值ANTHROPIC_BASE_URLAPI 主机https://ollama.comANTHROPIC_AUTH_TOKENAuthorization: Bearer …Ollama Cloud 的 keyANTHROPIC_API_KEYX-Api-Key留空若探测需要可填同一个 key有一个用户上报的坑单独设置ANTHROPIC_API_KEY对 Cloud不够必须使用 Bearer tokenANTHROPIC_AUTH_TOKEN配合https://ollama.com。必须钉死模型并设置四个别名Claude Code 默认使用 Anthropic 自家模型 ID如claude-sonnet-4-6Ollama Cloud 会对这些 ID 返回 404。因此必须显式钉死模型并设置 Haiku/Sonnet/Opus 三个别名环境变量防止后台调用与上下文压缩compaction调用回落到 Claude 默认名ANTHROPIC_MODELollama-cloud-id ANTHROPIC_DEFAULT_HAIKU_MODELsame or cheaper cloud id ANTHROPIC_DEFAULT_SONNET_MODELsame ANTHROPIC_DEFAULT_OPUS_MODELsameOllama 的 Claude Code 页面推荐的编码类云模型包括glm-4.7:cloud、minimax-m2.1:cloud其手册示例中出现kimi-k2.7-code:cloud。调研建议选一个编码模型并保存在仓库 Variable 里而不是硬编码进 YAML这样换模型不需要改工作流文件。落地后 Netcatty 的实际默认值是glm-5.3-flash:cloud见 .github/workflows/ai-automation.yml 与 .github/ai/README.md 的变量表。Ollama 不支持的 Anthropic 能力Ollama不支持prompt caching、/v1/messages/count_tokens、强制tool_choice。对分类场景这完全可接受token 计数是近似值。Web 调研缺口唯一真正的风险Cursor 的调研依赖其内建 WebSearch/WebFetch随后 Helper 会断言流中存在完成的 Web 工具事件。而 Claude Code 的 WebSearch/WebFetch 是Anthropic 服务端工具当ANTHROPIC_BASE_URLhttps://ollama.com时不保证可用。Ollama 有自己的 REST APIPOST https://ollama.com/api/web_searchPOST https://ollama.com/api/web_fetch两者使用同一个 Cloud API key。ollama launch claude会把它们接好用于本地但 GHA runner 上的裸claude -p未必能用。调研为本仓库推荐的调研策略保留空临时工作区 imgproxy 截图设计优先采用控制平面调研 Helper调用 Ollama 的web_search/web_fetch若冒烟测试证明 Claude WebSearch 对 ollama.com 可用则用 Claude 的改写parseExternalResearchStream()使其同时接受 Claudestream-json或控制平面 Helper 输出的小型 JSONL 日志不要丢掉必须有真实来源 URL的检查classify 阶段仍拒绝 WebSearch/WebFetch。若调研无法为某个必要外部事实拿到来源维持现状输出RESEARCH_BLOCKED→ 转维护者交接绝不虚构来源。仓库落地Brave 控制平面 Helper当前仓库采用了一条更稳健的落地路径控制平面 Helper 选用Brave Search API而非 Ollama 的 Web API。分类作业的调研步骤.github/workflows/ai-automation.yml把web-search/web-fetch两个 Helper 脚本与 scripts/ai-brave-search.cjs 一起放进隔离的临时工作区工具调用记录写入brave-tool.jsonl然后以白名单形式授权给 Claude Code$RUNNER_TEMP/ai-claude-authenticated \ --bare -p --permission-mode dontAsk \ --settings $HOME/.claude/settings.json \ --allowedTools Read Bash(web-search *) Bash(web-fetch *) \ Bash($research_dir/web-search *) Bash($research_dir/web-fetch *) \ --disallowedTools WebSearch WebFetch Edit Write NotebookEdit \ --output-format stream-json --verbose --model $AI_MODEL \ $prompt输出经 parseExternalResearchStream() 解析——该函数既消费 Claude 的stream-json事件也会通过ingestBraveToolLog()读取 Helper 的 JSONL 工具日志从真实的 WebFetch 参数与结果中提取 HTTPS 来源 URL 作为证据而不是信任模型自述的搜索查询scripts/ai-automation.cjs 中注释明确说明搜索查询是模型写的不能证明任何 URL。这正对应调研必须保留真实来源 URL 检查的要求。调研提示词 .github/ai/prompts/research.md 也已按调研建议完成改写删除了Cursor 内建 WebSearch/WebFetch的表述改为只使用本地web-search/web-fetchHelper调用 Brave Search不要用 Claude WebSearch/WebFetch、curl、wget 或 MCP并强制三种单一输出形式RESEARCH_COMPLETE: concise factual summary Sources: - https://example.com/official-source — fact supported by this sourceRESEARCH_NOT_NEEDED: concise reasonRESEARCH_BLOCKED: concise reason Brave web-search/web-fetch could not establish the factsRESEARCH_COMPLETE必须至少包含一个 HTTPS 来源 URL全部回复不超过 12,000 字符工具不可用就返回RESEARCH_BLOCKED绝不假装调研成功。安全映射从 Cursor 到 Claude Code 的威胁模型延续调研要求保留 .github/ai/README.md 中的五条安全不变量Agent 步骤不获得 GitHub token自动化绝不发布.github/或自动化脚本的改动Issue 文本在进入 Prompt 前完成消毒输出要扫描是否包含 Provider Secret外部调研没有仓库检出、没有 GitHub 凭据。调研明确不会 1:1 复制Cursor 特有的两样东西来自downloads.cursor.com的 AppArmor profile把--api-key注入而不落进 env/argv 的 fd-preload 机制。Claude Code要求ANTHROPIC_AUTH_TOKEN存在于进程环境中因此需要一套新的缓解措施分级落盘 key与 Cursor 相同的方式install -m 0400到RUNNER_TEMP只在claude调用进程内 export绝不做作业级的env:注入--bare防止项目.mcp.json/ hooks 被执行--permission-mode dontAsk 在 classify 上拒绝 WebSearch / WebFetch / Edit / WriteClaude 沙箱sandbox.enabled若 GHA 镜像能加载则启用不能则 implement 阶段 fail closed但 classify 可以靠dontAsk 无 GitHub token 先行上线继续对ANTHROPIC_AUTH_TOKEN做泄漏扫描不要以 root / sudo 运行claudeCursor 的 launcher 用setpriv在读 key 后降权Claude Code 也拒绝以 root 使用--dangerously-skip-permissionsclassify 应以 runner 用户运行。落地实现凭据桥与冒烟作业当前仓库把这套缓解落成了两个具体机制凭据桥 launcher.github/workflows/ai-automation.yml由 Node 生成一个ai-claude-authenticated脚本运行时从$RUNNER_TEMP/ai-auth-token由前置步骤以install -m 0400从临时文件落盘见 L794-L808读 key随即shred -u删除然后才在该进程内export ANTHROPIC_AUTH_TOKEN、export ANTHROPIC_API_KEY、export ANTHROPIC_BASE_URL与ANTHROPIC_MODEL及三个别名、export CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC1并unset GITHUB_TOKEN GH_TOKEN CURSOR_API_KEY最后exec claude $。工作流 shell 本身从未接触过 key日志中也不会出现 Secret 展开。冒烟作业sandbox_smokeClaude Code smoke.github/workflows/ai-automation.yml按调研用廉价的已认证claude -pping 替换sandbox_smoke的建议它安装 CLI、搭好凭据桥、写入一个带 salt/nonce 的认证探测脚本对 key 做 SHA-256 指纹匹配扫描/proc下所有进程的cmdline/environ然后让claude --bare -p在白名单Bash(node *)下运行该探测并要求原样输出随后断言输出含AI_AUTH_PROBE_OK:$nonce且不含任何LEAK:行最后再做一次 Secret 泄漏扫描。该作业按workflow_dispatch手动触发或由每日17 3 * * *的 schedule 自动触发确保提供方行为变化不会藏在绿色的 Codex 轮询运行背后。分阶段实施与落地状态Phase 0 — 只改 Secrets不改 YAML 行为通过gh在仓库上设置按实际仓库名替换owner/repo值绝不进 git# Key: GitHub secretollama.com 的 Bearer token printf %s $OLLAMA_API_KEY | gh secret set ANTHROPIC_AUTH_TOKEN -R owner/repo # Host: 仓库 Variable 即可不是凭据 gh variable set ANTHROPIC_BASE_URL -R owner/repo --body https://ollama.com # Model: 仓库 Variable换模型无需轮换 key、无需改工作流 PR gh variable set CLAUDE_CODE_MODEL -R owner/repo --body kimi-k2.7-code:cloud可选的三个别名同一个 keygh variable set ANTHROPIC_DEFAULT_HAIKU_MODEL -R owner/repo --body kimi-k2.7-code:cloud gh variable set ANTHROPIC_DEFAULT_SONNET_MODEL -R owner/repo --body kimi-k2.7-code:cloud gh variable set ANTHROPIC_DEFAULT_OPUS_MODEL -R owner/repo --body kimi-k2.7-code:cloud约束不要把 key 提交进仓库、不要写进.github/workflows/*.yml字面量、不要粘贴进 Issue/PR。已存在的ANTHROPIC_AUTH_TOKEN可以留到 Cursor 作业删除为止。落地后 .github/ai/README.md 的 Secrets/Variables 清单可以作为这份方案的生产版参考Secret用途ANTHROPIC_AUTH_TOKENOllama Cloud API key作为Authorization: Bearer发送BRAVE_API_KEYBrave Search API key用于隔离调研 pass可选 SecretTRIAGE_GITHUB_TOKENnetcatty-bot PAT用于开 PR、标签、triage 回复、CODEX_REQUEST_GITHUB_TOKEN仅用于codex review的维护者 PAT、SLACK_WEBHOOK_URL状态通知。Variable默认值用途AI_AUTOMATION_MODEfullfull或triage_onlyAI_MODELglm-5.3-flash:cloudClaude Code 使用的 Ollama Cloud 模型 IDAI_ANTHROPIC_BASE_URLhttps://ollama.comAnthropic 兼容 API 主机AI_CODEX_FIX_MAX_ROUNDS40自有/bot PR 上的 fix ↔codex review最大轮数AI_TRIAGE_DAILY_LIMIT10非协作者每日自动 triage 数AI_FOLLOWUP_DAILY_LIMIT20每个准入 Issue 的每日自动跟进数Phase 1 — 恢复 triage解除生产阻塞在ai-automation.yml的 classify 作业中安装 Claude Codecurl -fsSL https://claude.ai/install.sh | bash落地版还会把$HOME/.local/bin加入$GITHUB_PATH并执行claude --version自检见 .github/workflows/ai-automation.yml移除 Cursor CLI 安装、凭据桥、AppArmor 沙箱宿主调研步骤隔离工作区 Ollama Web API或验证过的 Claude WebSearch解析 Claude/控制平面的调研信封分类步骤调研建议的命令claude --bare -p $PROMPT \ --permission-mode dontAsk \ --allowedTools Read,Grep,Glob \ --disallowedTools WebSearch,WebFetch,Edit,Write,NotebookEdit \ --output-format json \ --json-schema $(cat $RUNNER_TEMP/classification.schema.json) \ --model $CLAUDE_CODE_MODELPrompt 仍然指向.ai-runtime/issue.json运行期路径改名可以后置更新parseClassificationFile在原始 JSON 文件之外支持 Claude--output-format jsonstructured_output或result保留applyClassification、每日限额、Slack、失败交接用针对 Ollama Cloud 的廉价已认证claude -pping 替换sandbox_smoke。同时刷新.github/ai/schemas/classification.schema.json使其匹配CATEGORIEScode_paths/code_findings并用该 Schema 配合--json-schema。Helper 脚本方面在prepareAiCliSettings()旁新增prepareClaudeCliSettings()本阶段不要重命名ai-automation.cjsissue-format、marker、测试都依赖该路径。仓库实际落地的 classify 调用当前实现落地版在调研建议的基础上做了两处增强使用经过toClaudeJsonSchema()转换的 Schema并把只读的 Bash 搜索工具纳入白名单.github/workflows/ai-automation.yml$RUNNER_TEMP/ai-claude-authenticated \ --bare -p --permission-mode dontAsk \ --settings $HOME/.claude/settings.json \ --allowedTools Read Grep Glob Bash(rg *) Bash(grep *) Bash(find *) \ --disallowedTools WebSearch WebFetch Edit Write NotebookEdit \ --output-format json --json-schema $CLASSIFY_SCHEMA --model $AI_MODEL \ $PROMPT .ai-runtime/classify-raw.txt其中CLASSIFY_SCHEMA由冻结的 Helper 通过auto.toClaudeJsonSchema()scripts/ai-automation.cjs把仓库 Schema 转换成 Claude 可用的 JSON Schema输出落盘后先经 parseClassificationText() / parseClassificationFile() 解析归一再做 Secret 泄漏扫描assertFilesDoNotContainSecret与validate_classification校验最后才由applyClassification以 netcatty-bot 身份打标签、回复、按需关闭。prepareAiCliSettings()scripts/ai-automation.cjs负责在$HOME/.claude/settings.json写入denyWeb/allowBrave/allowWrites对应的权限设置且调研完成后会再次调用它把 Web 工具全局拒绝防止后续 classify 共享同一 HOME 时误用 Web 工具见 .github/workflows/ai-automation.yml。Phase 2 — implement / followuptriage 稳定后再放开同一个 CLI白名单放宽Edit、Write、测试用的Bash仍然无 GitHub token、仍然禁止发布.github/改动。只有当 classify 质量在真实 Issue 上可接受后才恢复AI_AUTOMATION_MODEfull。默认不在范围内的事项安装 Claude GitHub App /claude评论把评审从 Codex 切换到 Claude在 GHA 上运行本地 Ollama 守护进程付费使用 Anthropic 第一方 API这正是选择 Ollama Cloud 的意义。建议的 classify 调用契约Agent 步骤的环境仅在该步骤内ANTHROPIC_BASE_URL: ${{ vars.ANTHROPIC_BASE_URL }} ANTHROPIC_AUTH_TOKEN: (staged file, not a job-wide secret expansion in logs) ANTHROPIC_API_KEY: ANTHROPIC_MODEL: ${{ vars.CLAUDE_CODE_MODEL }} CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC: 1 GITHUB_TOKEN: GH_TOKEN: Prompt 文件暂时继续放在.github/ai/prompts/下classify.md、research.md、implement.md、followup.md、fix-from-codex.md均已在仓库中。调研要求改写research.md中那句 Cursor 专属描述Use only Cursors built-in WebSearch and WebFetch tools当前仓库版本已替换为对本地 Brave Helper 的约束见上文。参考依据仓库内验证入口调研文档docs/research/claude-code-ollama-cloud-automation.md工作流落地.github/workflows/ai-automation.yml安装 CLI、凭据桥、staged key、调研、classify、smoke 全链路控制平面 Helperscripts/ai-automation.cjsnormalizeClassification、parseExternalResearchStream、toClaudeJsonSchema、prepareAiCliSettings及其测试 scripts/ai-automation.test.cjs落地说明与 Secrets/Variables.github/ai/README.md分类 Schema.github/ai/schemas/classification.schema.json调研 Prompt 三态契约.github/ai/prompts/research.md调研用 Brave 搜索 Helperscripts/ai-brave-search.cjs小结这份调研给出了一个清晰的判断框架当 Agent 提供方的额度成为 CI 单点故障时把 Agent 调用替换为开源生态的等价物同时完整保留事件路由、标签、限流、bot 身份、隔离调研与泄漏扫描等控制平面。Claude Code 的--bare -p --permission-mode dontAsk提供了与 Cursor 沙箱等价的锁定运行方式Ollama Cloud 的 Anthropic 兼容端点把认证简化为一个 Bearer tokenWeb 调研缺口则由控制平面 Helper本仓库采用 Brave Search JSONL 工具日志填补。当前仓库已把该方案的绝大多数建议推进到生产代码Schema 已刷新、CLI 已切换、凭据以 staged file 注入、每日冒烟持续探测认证链路——唯一遗留的取舍是AI_AUTOMATION_MODE何时从分类优先切换到完整的 implement 流水线。赞分享【免费下载链接】NetcattySSH workspace, SFTP, and terminals in one项目地址https://gitcode.com/gh_mirrors/net/Netcatty点击查看免费下载相关推荐claude-agent-sdk-python 仓库实战用 Claude Code 的 label-issue 命令实现 GitHub Issue 智能自动分诊claude agent sdk python 仓库实战用 Claude Code 的 label issue 命令实现 GitHub Issue 智能自动分人工智能AI Agent工具调用MCP Clients大模型Claude Code Issue Triage用 Agentic 工作流自动化 GitHub Issue 分类与标签管理Claude Code Issue Triage用 Agentic 工作流自动化 GitHub Issue 分类与标签管理 导读 本篇文章基于 ClaudeAI 应用AI 技能/插件开发工具在 Claude Code 中落地 Issue Triage Loop基于 loop-engineering 的 issue 队列自动分诊实战在 Claude Code 中落地 Issue Triage Loop基于 loop engineering 的 issue 队列自动分诊实战 本篇文章讲解如人工智能AI AgentAgent 工作流CLI研发协作AI 技能MCP 服务上一篇Pyroscope Ruby 持续性能剖析接入指南从 gem 集成、标签打到 Rails 自动埋点与云端推送下一篇Cilium 仓库中的终端表格渲染库 uitable面向 Go 终端应用的表格布局与换行实战创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考