如何利用豆包的 API 快速搭建一个自动分析 GitHub Issue 的小助手

用豆包 API 跑 GitHub Issue 分析，核心在于把「仓库上下文」和「Issue 内容」精准地喂给模型，而不是直接甩一个链接过去。我实测发现，如果直接把整个 Issue 页面 HTML 丢进去，Token 浪费严重且噪声太多，最稳的方案是先用 GitHub API 提取 body 和 comments，再通过 System Prompt 约束输出格式。

一个高效的分析流程应该是：监听 Webhook → 提取关键文本 → 豆包 API 结构化分析 → 回写 Issue 评论。

配置豆包 API 时，建议将 temperature 调低到 0.3 左右，因为分析 Issue 需要的是准确的 Bug 定位或功能归类，不需要模型太“发散”。

这里分享一个简单的 Python 处理逻辑，重点在 Prompt 的构建：

import requests

# 豆包 API 配置
API_KEY = "your_doubao_api_key"
URL = "https://ark.cn-beijing.volces.com/api/v3/chat"

def analyze_issue(issue_title, issue_body):
    # 关键点：在 Prompt 中定义分析维度，强制要求 JSON 输出，方便后续自动化处理
    system_prompt = """你是一个资深开源维护者。请分析以下 Issue，输出格式必须为 JSON：
    {
      "category": "Bug/Feature/Question/Documentation",
      "priority": "High/Medium/Low",
      "summary": "一句话概括问题",
      "action_item": "建议的解决步骤"
    }"""
    
    payload = {
        "model": "doubao-1-5-pro-32k", 
        "messages": [
            {"role": "system", "content": system_prompt},
            {"role": "user", "content": f"Title: {issue_title}\nBody: {issue_body}"}
        ]
    }
    headers = {"Authorization": f"Bearer {API_KEY}", "Content-Type": "application/json"}
    response = requests.post(URL, json=payload, headers=headers)
    return response.json()

在实际部署时，我踩过一个大坑：Issue 里的代码块经常包含大量干扰字符，导致模型误判。解决办法是在发送给 API 之前，用正则把过长的日志（比如超过 50 行的 Stack Trace）截断，只保留前 10 行和最后 10 行，这样既能保留关键报错，又能防止模型被冗余信息带跑。

效率提升最明显的地方在于「标签自动打标」。我配置了一个 GitHub Action，每当有新 Issue 提交，就调用这个脚本。如果 category 是 Bug 且 priority 是 High，直接自动给 Issue 打上 urgent 标签并 @ 负责人。

几个配置细节：
上下文压缩：不要把所有历史评论都传，只传 Issue 描述和最后 3 条讨论。
Prompt 迭代：如果发现分类不准，在 System Prompt 里加入几个 Few-Shot 示例（例如：输入 A → 分类 Bug），准确率能提升 20% 以上。
并发处理：豆包 API 的并发限制在快速扫描旧 Issue 时可能会触发，记得在循环调用中加入 time.sleep(0.5)。