0Pricing
AI Agents · บทเรียน

การแสดงรายการและจัดการประเด็น

ดึงข้อมูล สร้าง ติดป้ายกำกับ และปิดประเด็นด้วยโปรแกรม

การแสดงรายการและจัดการประเด็น เป็นบทเรียน AI Agents ฟรีบน CoddyKit นี่คือบทเรียนที่ 2 จากทั้งหมด 4 บทเรียน คุณสามารถอ่านบทเรียนทั้งหมดด้านล่างฟรี — จากนั้นลองปฏิบัติด้วยตัวคุณเองในเบราว์เซอร์พร้อมตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7 บทเรียนนี้เป็นส่วนหนึ่งของเส้นทางการเรียน AI Agents และความก้าวหน้าของคุณจะซิงค์ข้ามเว็บและแอป CoddyKit คอร์ส AI Agents มีบทเรียนทั้งหมด 4 บทเรียน

การรับปัญหาจากคลังโค้ด

ใช้ repo.get_issues() เพื่อแสดงรายการปัญหา โดยค่าเริ่มต้นจะแสดงปัญหาที่เปิดอยู่ ส่ง state='closed' หรือ state='all' เพื่อเลือกสถานะอื่น ผลลัพธ์คือ PaginatedList ให้วนซ้ำเพื่อประมวลผลปัญหาแต่ละรายการ

from github import Github
import os

g = Github(token=os.environ['GITHUB_TOKEN'])
repo = g.get_repo('myorg/myrepo')

# Open issues (default)
open_issues = repo.get_issues(state='open')
print(f'Open issues: {open_issues.totalCount}')

# Process first 20
for issue in open_issues[:20]:
    print(f'#{issue.number}: {issue.title}')
    print(f'  Labels: {[l.name for l in issue.labels]}')
    print(f'  Assignee: {issue.assignee.login if issue.assignee else None}')
    print(f'  Created: {issue.created_at.date()}')

การกรองปัญหา

get_issues() รองรับพารามิเตอร์ตัวกรองหลายรายการ ได้แก่ state labels assignee milestone since และ sort ผสมตัวกรองเหล่านี้เพื่อรับเฉพาะปัญหาที่เอเจนต์ของคุณต้องประมวลผล

import datetime
from github import Github
import os

g = Github(token=os.environ['GITHUB_TOKEN'])
repo = g.get_repo('myorg/myrepo')

# Issues with the 'bug' label, sorted by newest
bug_issues = repo.get_issues(
    state='open',
    labels=['bug'],
    sort='created',
    direction='desc'
)

# Issues updated in the last 7 days
cutoff = datetime.datetime.now() - datetime.timedelta(days=7)
recent_issues = repo.get_issues(
    state='open',
    since=cutoff
)

# Issues assigned to a specific user
my_issues = repo.get_issues(
    state='open',
    assignee='username'
)

print(f'Bug issues: {bug_issues.totalCount}')
print(f'Recent issues: {recent_issues.totalCount}')

การเข้าถึงคุณสมบัติของปัญหา

ออบเจ็กต์ Issue แต่ละรายการมีคุณสมบัติมากมาย ได้แก่ หมายเลข ชื่อเรื่อง เนื้อหา ป้ายกำกับ ผู้รับผิดชอบ จุดหมาย สถานะ จำนวนความคิดเห็น และเวลาประทับ เข้าถึงคุณสมบัติเหล่านี้เป็นแอตทริบิวต์ของ Python เนื้อหาเป็นข้อความ Markdown ดิบ

from github import Github
import os

g = Github(token=os.environ['GITHUB_TOKEN'])
repo = g.get_repo('myorg/myrepo')
issue = repo.get_issue(42)  # get by number

print(f'Number: #{issue.number}')
print(f'Title: {issue.title}')
print(f'State: {issue.state}')        # 'open' or 'closed'
print(f'Author: {issue.user.login}')
print(f'Body length: {len(issue.body or "")}')
print(f'Labels: {[l.name for l in issue.labels]}')
print(f'Assignees: {[a.login for a in issue.assignees]}')
print(f'Milestone: {issue.milestone.title if issue.milestone else None}')
print(f'Comments: {issue.comments}')
print(f'Reactions: {issue.get_reactions().totalCount}')
print(f'URL: {issue.html_url}')

การสร้างปัญหาใหม่

ใช้ repo.create_issue() เพื่อสร้างปัญหาใหม่ด้วยโปรแกรม ฟิลด์เดียวที่จำเป็นคือ title เพิ่ม body (Markdown) labels (ต้องมีอยู่แล้ว) assignees (ชื่อผู้ใช้ GitHub) และ milestone (ออบเจ็กต์จุดหมาย)

from github import Github
import os

g = Github(token=os.environ['GITHUB_TOKEN'])
repo = g.get_repo('myorg/myrepo')

# Create a bug report
bug_body = (
    '## Bug Report\n\n'
    '**Observed:** Login fails with 500 error\n'
    '**Expected:** Successful login\n'
    '**Steps to reproduce:**\n'
    '1. Navigate to /login\n'
    '2. Enter valid credentials\n'
    '3. Click Submit\n\n'
    '**Environment:** Production, v2.3.1'
)

issue = repo.create_issue(
    title='Login endpoint returns 500 for valid credentials',
    body=bug_body,
    labels=['bug', 'priority:high'],
    assignees=['alice'],       # must be repo collaborators
)

print(f'Created issue #{issue.number}: {issue.html_url}')

การแก้ไข (อัปเดต) ปัญหา

ใช้ issue.edit() เพื่ออัปเดตคุณสมบัติใด ๆ ของปัญหาที่มีอยู่ คุณสามารถเปลี่ยนชื่อเรื่อง เนื้อหา สถานะ ป้ายกำกับ ผู้รับผิดชอบ หรือจุดหมายได้ในการเรียกครั้งเดียว ส่งเฉพาะฟิลด์ที่ต้องการเปลี่ยนแปลง ฟิลด์อื่นจะยังคงเดิม

from github import Github
import os

g = Github(token=os.environ['GITHUB_TOKEN'])
repo = g.get_repo('myorg/myrepo')
issue = repo.get_issue(42)

# Update title and add new labels
issue.edit(
    title='[URGENT] Login endpoint returns 500',
    labels=['bug', 'priority:critical', 'needs-hotfix']
)

# Close the issue
issue.edit(state='closed')
print(f'Issue #{issue.number} closed')

# Reopen it
issue.edit(state='open')

# Assign to a user
from github import NamedUser
issue.edit(assignees=['bob', 'carol'])

# Update the body
issue.edit(body=issue.body + '\n\n**Update:** Hotfix deployed to production.')

การจัดการป้ายกำกับ

ป้ายกำกับช่วยจัดระเบียบปัญหา รับป้ายกำกับทั้งหมดของคลังโค้ดด้วย repo.get_labels() สร้างป้ายกำกับใหม่ด้วย repo.create_label() และเพิ่มหรือนำป้ายกำกับออกจากปัญหาด้วย issue.add_to_labels() และ issue.remove_from_labels()

from github import Github
import os

g = Github(token=os.environ['GITHUB_TOKEN'])
repo = g.get_repo('myorg/myrepo')

# List all labels
for label in repo.get_labels():
    print(f'{label.name}: #{label.color}')

# Create a new label if it doesn't exist
existing_names = {l.name for l in repo.get_labels()}
if 'agent-reviewed' not in existing_names:
    repo.create_label(
        name='agent-reviewed',
        color='0075ca',       # hex without #
        description='Reviewed by AI agent'
    )
    print('Created label: agent-reviewed')

# Add a label to an issue
issue = repo.get_issue(42)
issue.add_to_labels('agent-reviewed')

# Remove a label
issue.remove_from_labels('needs-triage')

การอ่านความคิดเห็นของปัญหา

ใช้ issue.get_comments() เพื่อดึงความคิดเห็นทั้งหมดของปัญหา ความคิดเห็นแต่ละรายการมีผู้เขียน (user.login) ข้อความเนื้อหา และเวลาประทับ วนซ้ำตามลำดับเพื่อดูประวัติการสนทนา

from github import Github
import os

g = Github(token=os.environ['GITHUB_TOKEN'])
repo = g.get_repo('myorg/myrepo')
issue = repo.get_issue(42)

# Get all comments
comments = list(issue.get_comments())
print(f'Comments on #{issue.number}: {len(comments)}')

for comment in comments:
    print(f'\n{comment.user.login} ({comment.created_at.date()}):')
    print(comment.body[:200])

# Get only recent comments
for comment in issue.get_comments(since=cutoff):
    print(f'Recent: {comment.user.login}: {comment.body[:100]}')

การเพิ่มความคิดเห็นให้ปัญหา

ใช้ issue.create_comment(body) เพื่อโพสต์ความคิดเห็น เนื้อหารองรับ Markdown ความคิดเห็นจากเอเจนต์ควรระบุอย่างชัดเจนว่าเป็นแบบอัตโนมัติ โดยใส่ส่วนหัว "🤖 Automated analysis" เพื่อกำหนดความคาดหวัง

from github import Github
import os
import datetime

g = Github(token=os.environ['GITHUB_TOKEN'])
repo = g.get_repo('myorg/myrepo')
issue = repo.get_issue(42)

# Add an agent comment with clear attribution
agent_comment = (
    '**Automated Analysis** (via code-review agent)\n\n'
    '---\n'
    f'**Issue classified as:** Critical Bug\n'
    f'**Suggested priority:** P0\n'
    f'**Suggested assignee:** @backend-team\n\n'
    '**Analysis:**\n'
    'The login 500 error matches pattern #12 in our known issues database.\n'
    'Likely cause: database connection pool exhaustion during peak traffic.\n\n'
    '**Suggested fix:** Increase pool size in `db_config.py` or add circuit breaker.\n\n'
    f'_Generated at {datetime.datetime.now().strftime("%Y-%m-%d %H:%M UTC")}_'
)

comment = issue.create_comment(agent_comment)
print(f'Comment added: {comment.html_url}')

เอเจนต์คัดแยกปัญหาจำนวนมาก

เอเจนต์คัดแยกจะประมวลผลปัญหาใหม่โดยอัตโนมัติ อ่านชื่อเรื่องและเนื้อหา จัดประเภทผ่าน LLM เพิ่มป้ายกำกับที่เหมาะสม มอบหมายให้ทีมที่ถูกต้อง และโพสต์ความคิดเห็นเริ่มต้น วิธีนี้ช่วยประหยัดเวลาหลายชั่วโมงที่วิศวกรต้องใช้คัดแยกด้วยตนเอง

import anthropic
import json
import os
from github import Github

g = Github(token=os.environ['GITHUB_TOKEN'])
client = anthropic.Anthropic(api_key=os.environ['ANTHROPIC_API_KEY'])

def triage_issue(repo, issue):
    prompt = (
        'Classify this GitHub issue. Return JSON only:\n'
        '{"type": "bug|feature|question|docs", '
        '"priority": "critical|high|medium|low", '
        '"team": "backend|frontend|infra|ml", '
        '"summary": "one sentence"}\n\n'
        f'Title: {issue.title}\n'
        f'Body: {(issue.body or "")[:1000]}'
    )
    response = client.messages.create(
        model='claude-opus-4-5',
        max_tokens=200,
        messages=[{'role': 'user', 'content': prompt}]
    )
    try:
        return json.loads(response.content[0].text)
    except json.JSONDecodeError:
        return {'type': 'question', 'priority': 'medium', 'team': 'backend', 'summary': 'Needs manual review'}

การนำผลการคัดแยกไปใช้กับปัญหา

นำการจัดประเภทจากการคัดแยกด้วย LLM ไปใช้กับปัญหา โดยกำหนดป้ายกำกับตามประเภทและลำดับความสำคัญ มอบหมายให้หัวหน้าทีมที่เหมาะสม และโพสต์ความคิดเห็นเกี่ยวกับการคัดแยก ติดตามปัญหาที่คัดแยกแล้วด้วยป้ายกำกับแบบกำหนดเอง เพื่อป้องกันการประมวลผลซ้ำ

TEAM_ASSIGNEES = {
    'backend': 'alice',
    'frontend': 'bob',
    'infra': 'carol',
    'ml': 'dave'
}

def apply_triage(repo, issue, classification):
    issue_type = classification.get('type', 'question')
    priority = classification.get('priority', 'medium')
    team = classification.get('team', 'backend')
    summary = classification.get('summary', '')

    # Apply labels
    labels_to_add = [f'type:{issue_type}', f'priority:{priority}', 'agent-triaged']
    issue.edit(labels=labels_to_add)

    # Assign to team lead
    assignee = TEAM_ASSIGNEES.get(team, 'alice')
    issue.edit(assignees=[assignee])

    # Post triage comment
    comment = (
        f'**Automated Triage**\n\n'
        f'Type: `{issue_type}` | Priority: `{priority}` | Team: `{team}`\n'
        f'Summary: {summary}\n\n'
        f'Assigned to @{assignee} for follow-up.'
    )
    issue.create_comment(comment)
    print(f'Triaged #{issue.number}: {issue_type}/{priority} -> {assignee}')

# --- demo: minimal stand-in for a GitHub Issue object ---
class _FakeIssue:
    number = 501
    def edit(self, **kwargs):
        print(f'[github] issue.edit({kwargs})')
    def create_comment(self, body):
        print(f'[github] comment posted:\n{body}')

classification = {'type': 'bug', 'priority': 'high', 'team': 'backend',
                   'summary': 'Login fails with 500 when email has a plus sign'}
apply_triage('coddy-agents', _FakeIssue(), classification)

การปิดปัญหาที่ไม่มีการใช้งานโดยอัตโนมัติ

การจัดการปัญหาที่ไม่มีการใช้งานเป็นงานอัตโนมัติที่พบบ่อย ได้แก่ ค้นหาปัญหาที่เปิดอยู่และไม่มีความเคลื่อนไหวเป็นเวลา N วัน โพสต์ความคิดเห็นแจ้งเตือน และปิดปัญหาหากไม่มีการตอบกลับภายในช่วงผ่อนผัน ใช้ issue.updated_at เพื่อตรวจสอบกิจกรรม และใช้ issue.edit(state='closed') เพื่อปิดปัญหา

import datetime
from github import Github
import os

g = Github(token=os.environ['GITHUB_TOKEN'])
repo = g.get_repo('myorg/myrepo')

STALE_DAYS = 90
GRACE_DAYS = 14

now = datetime.datetime.utcnow()
stale_cutoff = now - datetime.timedelta(days=STALE_DAYS)

for issue in repo.get_issues(state='open'):
    last_updated = issue.updated_at.replace(tzinfo=None)
    if last_updated > stale_cutoff:
        continue

    # Check if stale warning already posted
    comments = list(issue.get_comments())
    stale_warned = any('stale' in c.body.lower() for c in comments)

    if not stale_warned:
        issue.create_comment(
            'This issue has been inactive for 90 days. '
            'It will be closed in 14 days unless there is activity.'
        )
        issue.add_to_labels('stale')
        print(f'Stale warning: #{issue.number}')

ตรวจสอบความเข้าใจอย่างรวดเร็ว: issue.edit() เทียบกับ create_issue()

ทดสอบความเข้าใจเกี่ยวกับการจัดการปัญหาบน GitHub

สรุปการจัดการปัญหา

ขณะนี้เอเจนต์ของคุณสามารถจัดการปัญหาบน GitHub ได้ตั้งแต่ต้นจนจบ:

  • repo.get_issues(state, labels, assignee, since) — กรองและแสดงรายการปัญหา
  • repo.get_issue(number) — รับปัญหาเฉพาะรายการตามหมายเลข
  • repo.create_issue(title, body, labels, assignees) — เปิดปัญหาใหม่
  • issue.edit(state, title, labels, assignees) — อัปเดตฟิลด์ใด ๆ
  • issue.create_comment(body) — เพิ่มความคิดเห็น Markdown
  • repo.create_label() / issue.add_to_labels() — จัดการป้ายกำกับ
  • ระบุความคิดเห็นจากเอเจนต์อย่างชัดเจนเสมอ เพื่อแยกออกจากกิจกรรมของมนุษย์
  • ใช้ป้ายกำกับ 'agent-triaged' เพื่อป้องกันการประมวลผลซ้ำ

คำถามที่พบบ่อย

บทเรียน “การแสดงรายการและจัดการประเด็น” ฟรีหรือไม่

ใช่ — ข้อความเต็มของ “การแสดงรายการและจัดการประเด็น” ฟรีให้อ่านที่นี่บนเว็บ เพื่อปฏิบัติแบบโต้ตอบ (ตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7) และปลดล็อคส่วนที่เหลือของคอร์ส AI Agents ให้อัปเกรดเป็น CoddyKit PRO คอร์ส AI Agents มีบทเรียนทั้งหมด 4 บทเรียน

คุณจะเรียนรู้อะไรในบทเรียน “การแสดงรายการและจัดการประเด็น”

ดึงข้อมูล สร้าง ติดป้ายกำกับ และปิดประเด็นด้วยโปรแกรม คุณปฏิบัติ AI Agents ด้วยโค้ดที่ใช้งานได้จริงที่คุณเรียกใช้โดยตรงในเบราว์เซอร์ และติวเตอร์ AI ตลอด 24/7 ตอบคำถามของคุณขณะที่คุณไปผ่านบทเรียน

คุณต้องมีประสบการณ์ก่อนที่จะเริ่มเรียน AI Agents หรือไม่

ไม่จำเป็นต้องมีประสบการณ์มาก่อน AI Agents บน CoddyKit ออกแบบมาสำหรับผู้เริ่มต้นไปจนถึงผู้เรียนขั้นสูง คุณสามารถเริ่มต้นที่นี่หรือเริ่มจากตัวแรกและเรียนด้วยความเร็วของคุณเอง นี่คือบทเรียนที่ 2 จากทั้งหมด 4 บทเรียน

บทเรียน “การแสดงรายการและจัดการประเด็น” ใช้เวลานานแค่ไหน

บทเรียน CoddyKit ส่วนใหญ่ใช้เวลาประมาณ 5–10 นาที แต่ละบทเรียนจึงสั้นและเป็นแบบโต้ตอบ คุณสามารถก้าวหน้าอย่างต่อเนื่องและกลับมาเรียนต่อจากตรงที่เพิ่งหยุดบนเว็บและแอปได้เลย

ฉันเขียนและรันโค้ดในบทเรียน AI Agents นี้ได้ไหม

ได้ บทเรียน AI Agents ทุกบทมีตัวแก้ไขโค้ดในตัว คุณจึงเขียนและรันโค้ดจริงได้เลยในเบราว์เซอร์ และได้รับข้อเสนอแนะจาก AI ในทันที — ไม่ต้องติดตั้งในเครื่องของคุณ

บทเรียนทั้งหมดในหลักสูตรนี้

  1. ภาพรวม GitHub REST API
  2. การแสดงรายการและจัดการประเด็น
  3. ความคิดเห็นตรวจสอบ PR อัตโนมัติ
  4. ประวัติการคอมมิตและการวิเคราะห์ส่วนต่าง
← กลับไปที่ AI Agents