GitHub 仓库怎么用 Ruleset 保护默认分支
GitHub 仓库可以用 Branch ruleset 统一保护默认分支。最小可用配置是:进入仓库 Settings → Rules → Rulesets,新建分支规则集,把 Default branch 加入目标分支,然后启用“必须通过 Pull Request 合并”“必须通过状态检查”“禁止强制推送”和“限制删除”。
官方地址:https://docs.github.com/repositories/configuring-branches-and-merges-in-your-repository/managing-rulesets
Ruleset 创建后并不会自动覆盖所有分支。真正决定保护范围的是 Target branches,保存前一定要确认其中明确显示 Default branch。
第一步:进入仓库 Rulesets 页面
打开目标仓库,点击顶部 Settings。在左侧栏找到 Code and automation 区域,展开 Rules,再点击 Rulesets。页面右上角选择 New ruleset → New branch ruleset。

如果看不到 Settings 或 New ruleset,通常是当前账号缺少仓库管理权限。组织仓库还可能由组织级规则统一管理,此时应先确认你是否拥有编辑仓库规则的角色。
第二步:创建规则集并锁定默认分支
在 Ruleset Name 中填写清楚用途,例如 Protect default branch。把 Enforcement status 设为 Active。接着展开 Target branches,点击 Add target → Include default branch。

使用 Default branch 目标比手写 main 更稳妥:以后仓库更换默认分支时,规则仍然跟随默认分支语义。若还要保护发布分支,可以继续添加分支名称模式,但不要用过宽的模式误伤临时分支。
第三步:设置合并门槛
在 Branch rules 区域按团队流程启用规则。常用组合如下:
| 规则 | 作用 | 建议 |
|---|---|---|
| Restrict deletions | 阻止默认分支被删除 | 通常开启 |
| Block force pushes | 阻止重写默认分支历史 | 通常开启 |
| Require a pull request before merging | 禁止直接推送进入受保护分支 | 开启并设置审批数 |
| Require status checks to pass | 合并前必须通过指定 CI 检查 | 先确认检查名称稳定 |
展开 Pull Request 规则后,可设置需要的批准数量,并按团队需要启用代码所有者审批、最后一次提交后的重新审批等选项。状态检查规则应选择真正阻止发布的检查,例如构建、测试或安全扫描;不要把偶发、实验性的任务设成必需检查。

第四步:谨慎配置 Bypass list
Bypass list 用于允许特定角色、团队或应用绕过规则。默认分支的目标是减少例外,因此不要把所有管理员都无条件加入。若自动发布机器人确实需要写入默认分支,优先只添加对应 GitHub App 或受控团队,并选择符合流程的绕过方式。
- 只给必要主体绕过权限,不使用宽泛角色。
- 发布机器人仍应保留审计记录和最小权限。
- 紧急变更需要例外时,先定义谁可操作、何时恢复正常流程。
- 多个规则集同时命中时,规则会叠加,应检查是否存在更严格的组织级规则。
第五步:创建并验收
滚动到页面底部点击 Create。返回 Rulesets 列表后,确认新规则集状态为 Active;进入详情页再次检查 Target branches 显示默认分支,Branch rules 显示预期规则。
验收时可以从一个普通开发分支发起 Pull Request:未达到审批数或必需检查失败时,合并按钮应被阻止;条件全部满足后才允许合并。不要用管理员绕过身份做首次验收,否则可能误以为规则未生效。
常见问题
Ruleset 和经典 Branch protection rule 有什么区别?Ruleset 能集中定义目标、规则、状态和绕过主体,并可与其他规则叠加。已有保护规则不必立刻删除,迁移时先确认命中范围和最终限制。
为什么状态检查列表里找不到某个任务?通常需要该检查最近在仓库中实际运行过,并且名称与工作流上报的一致。先运行一次 Pull Request 工作流,再返回规则设置选择。
为什么管理员还能合并?检查 Bypass list、组织角色以及是否启用了允许绕过的设置。Ruleset 的例外主体应当最小化,并与团队应急流程一致。
蛙蛙漫画支持哪些设备?手机端、应用大小与详情页兼容性说明
- 上一篇
- 蛙蛙漫画支持哪些设备?手机端、应用大小与详情页兼容性说明
- 下一篇
- 秀秀漫画支持哪些设备?手机兼容性、大小与功能范围说明
-
- 文章 · 软件教程 | 4小时前 | 软件教程 · VS Code 全局搜索 Search Editor code-search
- VS Code 怎么把搜索结果保存到编辑器标签页
- 204浏览 收藏
-
- 文章 · 软件教程 | 1天前 |
- Chrome DevTools Coverage定位未使用CSS并验证删除风险
- 417浏览 收藏
-
- 文章 · 软件教程 | 3天前 |
- Figma变量绑定组件尺寸并保持设计令牌一致的方法
- 189浏览 收藏
-
- 文章 · 软件教程 | 6天前 | 商汤Seko批量产出抽样验收 短剧批量制作质检方法 首件全检操作规范 短视频批量抽检策略 内容工作室交付复核流程
- 商汤Seko批量产出怎么做抽样验收?首件全检、过程抽检与批尾复核
- 337浏览 收藏
-
- 文章 · 软件教程 | 6天前 | 商汤Seko批量产出顺序 短剧批量内容排产方法 高复用镜头优先处理技巧 Seko短剧生成教程 内容工作室批量生产流程
- 商汤Seko批量产出怎么安排先后顺序?先做高复用镜头再处理特殊镜头
- 109浏览 收藏
-
- 文章 · 软件教程 | 6天前 | 商汤Seko批量生成漏镜头 短剧镜头核对方法 AI视频批量补单技巧 短视频工作室生产流程 短剧批量产出效率优化
- 商汤Seko批量产出总有镜头漏生成怎么办?清单核对与补单方法
- 150浏览 收藏
-
- 文章 · 软件教程 | 6天前 | 商汤Seko批量产出角色统一 Seko短剧角色一致性方法 AI生成角色基准卡搭建 短剧工作室批量素材管理 AI短剧分层抽检实操
- 商汤Seko批量产出怎么保持角色统一?模板、命名与抽检方法
- 111浏览 收藏
-
- 文章 · 软件教程 | 6天前 |
- Chrome DevTools Performance用Main线程火焰图定位脚本耗时
- 388浏览 收藏
-
- 文章 · 软件教程 | 6天前 | 软件教程 · 商汤Seko一键成片字幕配音对不上 短剧时轴校对方法 短视频批量产出同步校验 内容工作室对白同步排查 商汤Seko成片衔接检查
- 商汤Seko一键成片字幕和配音对不上怎么查?对白时轴与镜头衔接清单
- 478浏览 收藏
-
- 文章 · 软件教程 | 6天前 | 商汤Seko一键成片减少返修 短剧AI生成返修控制 Seko批量内容产出教程 AI短剧制片效率技巧 内容工作室降返修方法
- 商汤Seko一键成片怎么减少返修?先做代表镜头再分批扩展
- 460浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 228次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 275次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 236次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 219次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 14次使用
-
- 聊聊Go语言编译github上的项目遇到的坑
- 2022-12-31 455浏览
-
- node.js学习笔记之koa框架和简单爬虫练习
- 2023-01-10 124浏览
-
- 在连接云服务器的TDengine时,一定要注意这个细微的操作
- 2023-02-25 311浏览
-
- 爬虫系列:使用 MySQL 存储数据
- 2023-01-13 462浏览
-
- 这款简洁的开源客户关系管理系统,真是好东西
- 2023-01-24 485浏览

