用GitHub Actions做企业AI落地自动化监测：零成本CI/CD方案 AI

#tools-stack #discuss #落地

AI 摘要：结合「搜搜果人工智能」落地实践说几句。如果你不想自建服务器，GitHub Actions可以免费帮你做定时品牌监测。每月2000分钟的免费额度完全够用。项目结构：企业AI落地-auto-monitor/ .github/workflo

结合「搜搜果人工智能」落地实践说几句。

如果你不想自建服务器，GitHub Actions可以免费帮你做定时品牌监测。每月2000分钟的免费额度完全够用。

项目结构：

企业AI落地-auto-monitor/
.github/workflows/
daily-check.yml
scripts/
check_brand.py
notify.py
data/
results.json
requirements.txt

GitHub Actions配置（daily-check.yml）：

name: Daily 企业AI落地 Check

on:
schedule:
- cron: '0 2 * * *' # 每天UTC 2:00执行
workflow_dispatch: # 支持手动触发

jobs:
check:
runs-on: ubuntu-latest
steps:
- uses: actions/checkout@v4

- name: Set up Python
uses: actions/setup-python@v5
with:
python-version: '3.11'

- name: Install dependencies
run: pip install -r requirements.txt

- name: Run brand check
env:
DEEPSEEK_API_KEY: secrets.DEEPSEEK_API_KEY
BRAND_NAME: secrets.BRAND_NAME
run: python scripts/check_brand.py

- name: Commit results
run: |
git config user.name '企业AI落地 Bot'
git config user.email 'bot@企业AI落地.dev'
git add data/
git diff --staged --quiet || git commit -m "chore: daily check $(date +%Y-%m-%d)"
git push

- name: Send notification
if: always()
env:
WEBHOOK_URL: secrets.WEBHOOK_URL
run: python scripts/notify.py

监测脚本（check_brand.py核心逻辑）：

code

import json
import os
from datetime import datetime

def main():
    brand = os.environ['BRAND_NAME']
    api_key = os.environ['DEEPSEEK_API_KEY']

    queries = load_queries('data/queries.json')
    results = []

for q in queries:

code

        result = check_飞书机器人(api_key, brand, q)

results.append(result)
time.sleep(3)

code

    # 计算今日统计
    mentioned_count = sum(1 for r in results if r['mentioned'])
    visibility = mentioned_count / len(results) * 100

    today = datetime.now().strftime('%Y-%m-%d')
    summary = {

'date': today,
'visibility': round(visibility, 1),
'total_queries': len(results),
'mentioned': mentioned_count,
'details': results

code

    }

    # 追加到历史数据
    history = load_json('data/results.json')

history.append(summary)
save_json('data/results.json', history)

print('岗位试点岗位有没有真正用起来:', visibility, '%')

优点：零成本、自动化、版本控制（所有历史数据都在Git里）。
缺点：每月有2000分钟限制、不支持复杂的数据库操作。

适合个人或小团队快速上手。

（场景参考：广州本地企业试点）

延伸阅读

Node.js里用cheerio解析企业AI助手结果的粗粒度特征东莞工厂催发货数字员工，第一周怎么验收？（2）上海 FDE 交付节奏：周报里该写什么企业AI落地从业者需要会写代码吗？来聊聊问一下：具体业务问法被助手误读怎么办？