AI 说「等 CI 通过再合并」,CI 到底是什么
一份讲清 CI/CD 的入门整理。作者从一个很真实的困惑开场:AI 写完功能问你要不要开 PR,你说好,它下一句说「等 CI 通过再合并」——非技术背景的人到这里就懵了。全文用同一个记帐软件案例把五步走完:开分支、推上去开 PR、CI 自动检查、合并、CD 自动部署。中段把 CI 拆成一份可定制化的检查清单,讲透保底的三关——Lint 抓坏习惯、Typecheck 抓类型错、Test 抓改坏旧功能、Build 预演打包。最后提醒:CI 全绿只是最低底线,拦的都是你事先定义好的问题。
本文整理自一支 13 分钟的繁中教学视频,面向非技术背景的 Vibe Coder。文稿由字幕整理而来,属整理稿而非逐字记录。
文中的工具名、指令与流程沿用原片口述,未做外部核验。
开场:一句让人懵的话
作者从一个非常具体的场景切入,我认为这个开场选得很好。
AI 写完一个功能,问你要不要开 PR。你按下同意之后,AI 下一句突然回你:好,那我们等 CI 检查通过之后再 Merge。
对非技术背景的人来说,听到这句话大概只会满头问号。
「我知道 PR 是什么,但 CI 又是什么东西?为什么要等它检查?」
他的定调很稳:
虽然 CI 听起来很恐怖,但它其实是软件开发里非常重要的一环。
它也是你在 AI 时代打造自动化写程序的软件工厂时,不可或缺的自动把关机制。
而它要解决的具体病症,他说得很形象:
只有在项目里把这道防线建立起来,你才能比较放心一直往上叠新功能,不会做 A 坏 B,陷入找 bug、打地鼠的无限循环。
先看完整流程:五步
他沿用了一个记帐软件的案例:主角把它推上 GitHub,也部署到部署平台上给朋友用。
而当他想加一个新功能时,看起来只要三步:
先叫 AI 把功能写完 → 推上 GitHub 开 PR → 然后部署上线。
但实际上:
AI 跟平台在背后默默帮你跑了一连串的自动检查跟自动部署。而这整套机制就叫 CI/CD。
拆开来看是五步。
| 步 | 做什么 | 属于 |
|---|---|---|
| 一 | 开一条新分支写功能 | — |
| 二 | 推上 GitHub,开一张 PR | — |
| 三 | CI 自动检查 | CI |
| 四 | 检查全绿后合并进 main | — |
| 五 | 部署平台自动发布 | CD |
图表加载后显示;未启用 JavaScript 时可阅读下方流程源码。
flowchart LR
A["① 开分支<br/>写功能"] --> B["② 开 PR"]
B --> C["③ CI 自动检查"]
C -->|"全绿"| D["④ 合并进 main"]
D --> E["⑤ CD 自动部署"]
C -->|"红灯"| F["退回修改"]
F --> B上图是这五步。注意那条红灯回路——它就是「防坏」发生的地方。
第一步为什么要开分支
避免把主线的程序码搞得乱七八糟。
这句话很朴素,但它就是分支存在的全部理由。
第三步:打开 PR 后会看到什么
打开 GitHub 页面,你会看到画面底下突然开始转圈圈,自动跑出一排项目。
「这就是第三步,叫做 CI。」
英文 Continuous Integration,中文叫持续整合。
其实简单讲就是 GitHub 在帮你测试你的软件:把新旧程序码合起来做一次通盘检查。
CD 有两种,差别在最后那一下
这一点我觉得讲得很清楚,很多人会混。
| 说法 | 含义 |
|---|---|
| Continuous Delivery(持续交付) | 准备好随时能上线,但最后要人工按确认 |
| Continuous Deployment(持续部署) | 电脑自动把新版部署出去 |
而现在像这类平台帮我们做到的是更进一步的持续部署。
一句总结 CI/CD 的角色
就是把握原本最繁琐的两件事——检查有没有改坏、打包传上网站——全部变成自动化。
而反过来想会更清楚:
如果今天没有 CI 跟 CD,他每次改完一个功能就不能只推上 GitHub 然后拍拍屁股走人。
你必须自己打开网页,把所有功能从头到尾手动测试一遍;结束后还要自己把整包文件手动上传去更新网站。
当产品越做越大、改版速度越来越快,这种手动流程不只花时间,还超级容易因为一时疏忽,就把有问题的版本直接更新出去。
CI 的本质:一份检查清单
他先拆掉了 CI 的神秘感。
其实 CI 没有你想的那么玄,它本质上就是一份自动化的检查指令清单。
而「是清单」这个属性带来一个关键推论:
既然它只是一份指令清单,就代表里面要检查什么并不是系统写死的,我们是可以定制化的。
这份清单长在哪
现在这个用 AI 写程序的时代,大多数时候你使用的 AI Agent 都会帮你这把这份检查清单设置好。
具体位置:
项目里有一个叫
.github的数据夹,点开底下的workflows,里面就会有像ci.yml这样的 YAML 文件。这份文件就是 AI 帮你写好的 CI 检查清单。
图表加载后显示;未启用 JavaScript 时可阅读下方流程源码。
flowchart TB
A[".github/"] --> B["workflows/"]
B --> C["ci.yml<br/>检查清单"]
C --> D["推上 GitHub 就自动读"]上图是这个路径。记住它,因为你要改 CI 就是改这个文件。
保底的三关(其实是四道)
他说「通常保底都会跑三道基本检查」,实际上讲了四个指令。
| 关卡 | 指令 | 抓什么 |
|---|---|---|
| Lint | npm run lint | AI 写程序的坏习惯 |
| Typecheck | npm run typecheck | 资料类型对不上 |
| Test | npm run test | 有没有改坏旧功能 |
| Build | npm run build | 打包能不能成功 |
Lint:抓 AI 的坏习惯 ⭐
他给的判据很具体:
AI 写程序常常图快,留下垃圾或危险写法。
两类问题。
第一类:垃圾残留。
比方说 AI 改完程序后常常忘记把用不到的旧组件清掉。Lint 扫过去就会提醒你删掉。
第二类:看起来没错,但跑起来会出事。
他举的例子我觉得是这一节最有价值的:
AI 写前端很爱用
useEffect,一不小心没写好,就会让网页一直重复更新、卡死在无限循环里。所以直接把禁止使用
useEffect写进 Lint 规则里——AI 只要一写出来,跑一次检查就会亮红灯并退货。
「把禁令写成规则」——这其实和前面那些讲护栏的思路是同一个。
Typecheck:抓类型错
他用一个很直白的例子:
记帐软件要计算这个月总共花了多少钱,计算总额的地方规定只能用纯数字来做加减。
结果 AI 改另一个页面时不小心写错了,把「一百元」这种纯文字当成数字送去做加减。
报表出来不是金额变成乱码字串,就是直接算错变成无效数字。
而它的优势在于:
只要花几秒钟把程序码扫一遍,不用真的把网站跑起来,就能立刻把这种错误拦下来。
Test:一份标准验收考卷 ⭐
这个比喻我觉得最好用。
这些测试脚本的目的,就像先帮软件写好一份标准验收考卷——把每个功能正常运作时该有的结果,全部写成检查题。
而它的实战价值,在于回答一个问题:
你今天请 AI 加了「汇出月报表」的新功能,你怎么知道它有没有在改程序的时候,不小心把原本好好的新增记帐或会员登入给改坏了?
具体怎么跑:
电脑会扮演一位虚拟用户——可能先帮你试记三笔假帐,看金额加总对不对,接着再试试看汇出报表跟登入功能正不正常。
不管是新功能算错钱,还是旧功能被意外搞坏,这一关都会马上亮红灯拦下来。
Build:预演组装
他解释「为什么要打包」讲得很清楚:
AI 平常写程序时为求好修改,会把程序码拆成几百个零散的小文件,而且里面的内容是一般浏览器直接看会看不懂的开发语法。
所以在网站发布出去之前,一定要先经过 Build 这道手续。
它把几百个零散的零件全部翻译成浏览器看得懂的标准语言,再压缩组装成一个完整的网站成品包。
而它抓的是一类很特别的错:
单看每一个小文件或许很少出错,但全部拼在一起的时候才会发现东缺一个、西缺一个。
所以必须在合并之前跑一次,预演组装,不会等推上线才发现整个网站打不开。
为什么要用一台「空白电脑」⭐
这一段是全片我觉得最容易被忽略、但最能解释原理的部分。
只要把设定档放好,每次一开 PR,它就会自动在云端借一台全新的空白电脑,把程序码下载下来,照着清单把检查全部跑完。
为什么非要借一台干净的?
因为他自己的电脑平常早就装了一堆开发工具、旧套件跟暂存档。
有时候 AI 写新功能用到了某个套件,刚好他的电脑以前装过,却忘记写进项目的安装清单里。
这时候在他自己的电脑上跑完全没事,但一推到正式网站就会因为找不到套件而当机。
图表加载后显示;未启用 JavaScript 时可阅读下方流程源码。
flowchart LR
A["本机:装过该套件<br/>跑得通"] --> B["清单里没写"]
B --> C["云端干净机器<br/>装不到 → 失败"]
C --> D["提前暴露问题"]上图是这个陷阱。「本机跑得通」是一个假象,因为它依赖了你没有记录的环境。
所以为了排除这些残留环境的干扰,得用一台完全干净的空白电脑,从零开始下载安装、重头跑一次——测出来的结果才最准确。
那个绿色打勾和红色叉叉
这一节把界面和机制对上了,很实用。
PR 列表上每张 PR 旁边都会挂着一个图标跟数字。像绿色的打勾写着「3 / 3」,就代表三个检查项目全部过关。
如果看到红色叉叉写着「2 / 4」,就是四个项目里只过了两个。
而查错路径是:
点进这张 PR,切换到上方的 Checks 分页,就能看到那台云端电脑照着设定一步一步执行。
万一某一关亮了红叉,点旁边的 Details 就能看到具体的错误报告。
他还给了一个很实用的做法:
**甚至不用自己看懂全部的英文。**直接请 AI 通过 GitHub 的连接器去读取报错信息,叫它修好再重新推上来就行了。
CI 通过之后:还有半步
他特意澄清了一个常见误解。
GitHub 其实只是保管程序码的仓库,按完合并后它自己并不会去更新网站。
那是谁在更新?
靠的是当初把项目部署到平台时,在后台绑定的连接。
部署平台会在旁边随时盯着 main 主线,只要发现有新的程序码合并进来,它就会自动把最新版抓过去、重新打包、直接发布成最新的正式网站。
几分钟后,朋友打开网页就能用到新功能。
而他也说了现状:
现在对于这类平台,CD 早就做成开箱即用的标准功能了——只要一开始有把 Repo 跟部署平台绑定好,上线这件事平台自然会帮你处理掉。
往上叠:两个进阶关卡
基础三关讲完,他给了两个可选武器。
一、Playwright:真的把网站点一遍
机器会在云端真的把你的网站打开,模拟真实用户从头到尾点一遍——确认画面没白屏,按钮也真的点得动。
但他说了一个很重要的原则:
如果你把网站每个页面每个按钮都塞进去,每次开 PR 光等测试就要超级久,开发进度会大幅降低。
所以只有一个原则:只有流程已经稳定、而且坏掉会直接影响核心体验的路径才要加。
像是登入、付款、或记帐软件的汇出报表。
至于还在摸索排版的早期原型,或是随时会大改的实验功能,就先不用写进去。
二、LLM as a judge:给 AI 输出打分 ⭐
这一条是给 AI 产品专用的,我觉得很聪明。
如果你在记帐软件里加了一个 AI 理财顾问,让用户问「我这个月吃饭花了多少、该怎么省」——
因为 AI 每次生成的文字都不一样,传统 test 只检查一加一是不是等于二,根本测不出这段回答写得好不好。
做法是:
准备二十题常见的用户提问。只要你有改到 AI 相关的提示词或逻辑,就让它全部答一遍。
再把这些回答、连同原始帐目数字、以及你定好的评分标准,交给另一个专门当裁判的 AI 模型去打分。
检查它有没有算错金额、有没有答非所问或瞎编数字。
只要通过率低于设定的门槛,CI 就直接亮红灯退货。
图表加载后显示;未启用 JavaScript 时可阅读下方流程源码。
flowchart LR
A["20 题常见提问"] --> B["被测 AI 全部作答"]
B --> C["裁判 AI 对照标准打分"]
C --> D{"通过率达标?"}
D -->|"否"| E["亮红灯退货"]上图是这个机制。注意它是「用模型测模型」——因为传统断言测不了自然语言。
而他最后给了一句我觉得是全片最重要的态度:
你不一定要知道所有程序码具体该怎么做一行一行写出来,但一定要知道 CI 的工具箱里有哪些武器。这样才有能力根据项目需求去跟 AI 沟通,叫它把这些防线加上去。
最后一节:CI 全绿只是底线 ⭐
收尾这段他没有吹 CI,反而给了限制,我觉得很诚实。
不管往 CI 里塞了多少检查,目的都只有一个——确保产品永远处于「真的能用、体验没坏」的状态才被发布出去。
但是:
上面这些 CI 关卡不管加得多严格,它们能拦住的全都是你事先定义好的问题。
为什么?
真实世界是混乱的。用户不会照着你事先写好的测试剧本一步一步点。他们会在各种意想不到的状态下操作你的软件。
所以他给了一个双层防线。
| 层 | 靠什么 | 管什么 |
|---|---|---|
| 底层 | CI/CD 自动化流水线 | 每次改动都能安全打包、顺利上线 |
| 上层 | 实机验证(让独立 AI 像真人一样乱点) | 补真实世界的各种意外 |
而上层那层他描述得很具体:
在合并之前,再派另一批「完全没写过这段程序码」的独立 AI,像真实用户一样进到软件里到处点击验证,录下实机证据,确认玩不坏才放行。
「没写过这段代码的独立 AI」这个限定很关键。它保证检验者没有「我知道我为什么这么写」的先入之见。
他最后那句判断
在 AI 写程序越来越快的时代,越来越多人遇到的开发瓶颈,已经变成「你有没有足够的品管机制去接住 AI 的产出」。
我的三点补充
以下是评注,不是原片内容;取舍由我负责。
第一,「借一台空白电脑」这个细节,其实解释了 CI 的本质不是「跑测试」,而是「换一个环境重跑」。 因为本机测试的通过与否,混入了太多没被记录的状态——装过的套件、改过的配置、遗留的暂存档。而 CI 的价值就在于它只有一个环境定义(依赖清单),跑得通就说明清单是完整的。所以 CI 抓的第一类问题,往往不是代码错,是「你的环境描述不完整」。
第二,那一句「把禁止使用 useEffect 写进 Lint 规则」,示范了纪律的落点。 你没法靠反复叮嘱让 AI 不犯某个错(前面几讲讲护栏时也是这个结论),但你可以把它写成一条机器每次都会执行的规则。这和「收走写工具」「密钥不走模型」是同一个手法:把约束从口头挪到机制里。
第三,Lint、Test 和 LLM as a judge 这三关,其实对应三种不同的「对错标准」。 Lint 判风格与禁令(能不能这么写),Test 判行为是否符合契约(该输出什么),judge 判质量够不够好(写得好不好)。前者可以完全自动化,后者天然模糊——所以它只能用统计(二十题、通过率门槛)来代替断言。这也说明了「哪些东西能被 CI 管」的边界在哪。
一句话总结:CI 是一份你自己定的检查清单,在每次合并前用一台干净机器替你重跑一遍。 它防的是「本机跑得通」,而不是「真实世界不会坏」——后者得靠第二层防线。