我把issue区当垃圾桶扔了半年——AI帮我把GitHub issue里的有效信息捡回来的正确姿势

一、先说我是怎么搞砸的

去年我的一个开源小项目issue区积累到两百多条。作为独立开发者，我对issue区的处理方式经历了三个阶段，每个阶段都是反面教材。

阶段一：全靠人肉读。 每天花一小时翻issue，读完记不住，记住了也串不起来。用户A报的bug和用户B报的其实是同一个问题，我修了两次才反应过来。

阶段二：粗暴关issue。 忙起来就批量关闭陈旧issue，结果关掉了几条真正有价值的功能建议——后来竞品做了，我才翻回去看到那条issue下面有二十多个 👍。

阶段三：直接接AI，一键总结。 听起来对，但我犯了一个更隐蔽的错：把整页issue原样丢给通用模型，问“帮我总结一下”。返回的东西是一堆“用户反馈了若干问题，建议关注”式的正确的废话——每个字都对，但没有一条能指导我下一步做什么。

这个阶段最大的教训是：AI不是读心术，你给它的是原料垃圾，它还你的就是加工过的垃圾。

二、问题到底出在哪

复盘下来，独立开发者和小团队处理issue的痛点其实很具体：

1. 信息密度低。 一条issue里，真正有用的可能就是报错日志那三行和复现步骤，剩下的是情绪、猜测和“+1”。
2. 信号被噪音淹没。 重复报告、环境差异导致的“假bug”、和主题无关的讨论混在一起。
3. 缺的不是总结，是提炼。 我需要的不是“有30条bug反馈”，而是“这30条里其实是7个独立问题，按影响面排序，前两个各占12条和9条，附代表性链接”。

失败的AI用法，本质上是让AI做了“压缩”；而我需要的是“提炼+归并+排序”——这三件事必须靠结构化的流程和明确的指令才能做到。

三、正确的使用流程

调整之后，我把流程固定成四步，每周跑一次，每次半小时以内。

第一步：原始数据导出。 用GitHub CLI把open状态的issue拉下来，保留标题、正文、评论数、emoji反应数、标签。这一步保证AI拿到的是完整上下文，而不是网页截图式的碎片。

第二步：清洗和分块。 超过模型上下文的大批量issue，按标签或时间分批。评论区只保留点赞最高的前几条——它们往往包含复现补充和环境信息。

第三步：结构化提炼。 用下面这个提示词模板（见第四节），强制AI按固定字段输出，禁止泛泛而谈。

第四步：人工确认再行动。 AI输出的归并结果里，同issue簇的代表条目我一定会点开原链接人工看一眼。AI负责把两百条压到十条，最后十条的判断还是我的活。

四、可直接复制的提示词模板

你是一位资深开源项目维护者。我会给你一批GitHub issue的原始内容
（标题、正文、关键评论、点赞数、标签）。请完成以下提炼：

1. 归并：判断哪些issue描述的是同一个根因问题，合并为issue簇，
   每簇给出：簇名称、包含的issue编号、总互动量（评论+emoji）。
2. 分类：将每个簇标注为 [bug] / [功能建议] / [文档问题] / [无效或重复]。
3. 排序：按"影响面（簇内issue数量）× 严重程度"给出优先级，
   说明排序理由，一句话即可。
4. 行动建议：对前3个簇各给出一条具体的下一步动作
   （如"补一个复现脚本"、"确认是否为某版本回归"）。
5. 信号提取：列出被多人点赞但未被归入主要簇的建议，
   这些可能是被低估的需求。

要求：
- 每个结论必须引用具体issue编号，禁止无出处的概括。
- 不确定是否同根因的，宁可单独成簇，并标注"待人工确认"。
- 输出使用markdown表格+简短说明，总长度控制在原文的10%以内。

这个模板的关键设计是：强制引用编号（防幻觉）、允许存疑（防强行归并）、限定输出比例（防啰嗦）。

五、用AI前后的对比

最直观的一个变化：我之前总觉得issue区“一片混乱没法下手”，现在是“这周先处理簇一和簇二”。心理上的差别比时间上的差别还大。

六、几点补充

• 模型选择：归并和分类这类任务，对长上下文和理解能力都有要求，建议选带推理能力的模型；至于API调用费用，以官网价格页为准，按周跑一次的频率，成本对独立开发者来说通常可以忽略。
• 不要追求全自动：我试过让AI自动给issue打标签再回评，误判率不可接受。AI做提炼，人做判断，这个分工别反。
• 沉淀比单次输出更值钱：每周的提炼结果存下来，一个月后你会得到一份需求的演化轨迹——哪些问题反复出现、哪些建议热度在涨。

写在最后

Issue区是离真实用户最近的地方，但对小团队来说又是最容易失控的地方。AI不能替你修bug，但它能把两百条噪音变成十个待决策的问题——而“做决策”恰恰是维护者最不该外包的部分。

如果你想把这套流程跑起来，需要一个稳定、价格透明的模型API服务，可以看看 https://api.thistoken.ai/register ，注册即用，配合上面的模板就能开始你的第一次issue提炼。

---

不想折腾多家供应商的接入差异？在 https://api.thistoken.ai/register 注册，用一个 base_url 调用所有模型。