使用 Copilot SDK 构建 AI 驱动的 GitHub 问题分类应用

GitHub Copilot SDK 允许开发者将 Copilot Chat 的同款 AI 能力集成到自己的应用中。为了探索实际应用效果，我构建了一个名为 IssueCrush 的问题分类应用，并在此分享集成过程中的经验与实现要点。

维护开源项目或活跃仓库时，常会面对大量 issue：通知徽章显示 47 个未处理项，其中包含 bug、功能请求、需要转为讨论的问题，甚至还有三年前的重复 issue。每一条都需要切换上下文——阅读标题、扫描描述、检查标签、评估优先级、决定处理方式。当跨仓库处理几十条 issue 时，这种心理负担会迅速累积。

IssueCrush 将 GitHub issue 以可滑动卡片的形式呈现：左滑关闭，右滑保留。点击“获取 AI 摘要”按钮，Copilot 会读取 issue 并提供简洁的说明与建议操作，让维护者快速掌握要点，加速分类决策。

架构挑战

首要技术决策是确定 Copilot SDK 的运行位置。React Native 应用无法直接使用 Node.js 包，而 SDK 需在 Node.js 环境中运行。SDK 内部管理本地 Copilot CLI 进程并通过 JSON-RPC 通信，因此必须采用服务器端集成模式。服务器需安装 Copilot CLI 并将其加入系统 PATH。

最终采用了服务器端集成方案：单个 SDK 实例由所有客户端共享，避免为每个移动客户端创建新连接；认证凭据存储在服务器端，确保安全；当 AI 服务不可用时实现优雅降级，保证基本分类功能；所有请求和响应均经服务器记录，便于调试和监控。

SDK 集成实现

Copilot SDK 采用基于会话的模型：启动客户端（生成 CLI 进程）、创建会话、发送消息、最后清理资源。关键代码模式如下：

const { CopilotClient, approveAll } = await import('@github/copilot-sdk');
let client = null;
let session = null;
try {
  client = new CopilotClient();
  await client.start();
  session = await client.createSession({
    model: 'gpt-4.1',
    onPermissionRequest: approveAll,
  });
  const response = await session.sendAndWait({ prompt });
  // 处理响应
} finally {
  if (session) await session.disconnect().catch(() => {});
  if (client) await client.stop().catch(() => {});
}

提示工程

提示结构需提供足够上下文。我整理了结构化的 issue 信息，而非直接转储原始文本：包含标题、编号、仓库、状态、标签、创建时间、作者和正文。标签和作者上下文尤为重要——首次贡献者的 issue 与核心维护者的 issue 需要不同处理方式。

客户端服务层

React Native 端通过服务类封装 API 调用，处理初始化与错误状态。服务类提供健康检查方法，客户端据此决定是否显示 AI 摘要按钮。摘要按需生成，避免预生成浪费。结果缓存在 issue 对象上，用户滑动返回时直接显示缓存内容。

优雅降级

AI 服务可能失败（网络问题、速率限制、服务中断）。服务器处理两种失败模式：订阅错误返回 403，客户端显示清晰提示；其他错误则 fallback 到基于元数据的摘要。Fallback 函数利用标题、标签、正文首句等已有信息构建有用摘要。

经验总结

服务器端集成是正确选择：SDK 需要的 CLI 二进制文件无法安装在手机上，服务器端统一管理 AI 逻辑并保护凭据。提示结构比长度更重要，组织良好的元数据能产生更优摘要。始终保留 fallback 方案，确保用户在 AI 离线时仍能正常分类。务必清理会话资源（先 disconnect() 再 stop()），我在忘记 disconnect() 后花费两小时排查内存泄漏。缓存结果避免重复调用和额外成本。

AI 能让维护工作更可持续。分类是消耗精力的隐形任务，若能将对 50 个 issue 的处理时间减半，就能为代码审查、指导新人或单纯减少对通知徽章的恐惧腾出时间。Copilot SDK 只是一个工具，但背后的理念更为重要：审视维护中耗时的环节，思考 AI 是否可以先行处理。

尝试使用 @github/copilot-sdk 可开启构建智能开发工具的可能性。结合 React Native 的跨平台能力，能在移动端带来原生般流畅的 AI 工作流。若想构建类似应用，建议从本文所述的服务器端模式入手，这是实现集成的最简路径，且能随应用扩展。