GitHub 怎么用 CODEOWNERS 自动请求评审
GitHub 的 CODEOWNERS 文件可以按目录、文件类型或具体路径分配评审责任人。配置完成后,Pull Request 修改了对应文件,GitHub 就会自动请求匹配的个人或团队评审。要让它稳定生效,关键不只是写几行路径:CODEOWNERS 必须位于 PR 的 base 分支,所有者要有仓库写权限,草稿 PR 也不会立即触发自动请求。
官方地址:https://docs.github.com/en/repositories/managing-your-repositorys-settings-and-features/customizing-your-repository/about-code-owners
- 优先把文件放在
.github/CODEOWNERS,并在同一行写完同一规则的多个负责人。 - 规则按最后一个匹配项覆盖,路径大小写必须和仓库实际路径一致。
- 自动请求与“合并前必须由代码所有者批准”是两件事,后者还要启用分支保护或 ruleset。
先确认 CODEOWNERS 的位置和生效条件
GitHub 会依次查找仓库的 .github/、根目录和 docs/ 下的 CODEOWNERS,找到第一个就停止。一个仓库在不同分支可以有不同文件,因此不要只在开发分支修改后就期待默认分支上的 PR 立刻改变评审人。来自 fork 的 PR 也以目标仓库 base 分支中的 CODEOWNERS 为准。
个人或团队必须对仓库拥有 write 权限;团队还需要对组织可见。文件超过 3 MB、路径大小写错误、团队名不存在,都会让部分规则无法分配负责人。配置前先确定要保护的 base 分支和目录边界。
步骤一:创建按目录分配责任人的规则文件
在默认分支的 .github/CODEOWNERS 创建文件。下面的写法把全仓库、前端、API 和规则文件本身分开管理:
# 默认规则:没有更具体匹配时由平台组评审
* @acme/platform
# 前端目录由前端组负责
/web/ @acme/frontend
# API 目录可由后端组或架构师共同评审
/api/ @acme/backend @acme/architecture
# CODEOWNERS 自己也要有人维护
/.github/CODEOWNERS @acme/platform
同一条模式的多个负责人必须写在同一行,否则只有最后出现的负责人会被该模式采用。目录规则前的斜杠表示从仓库根目录匹配;模式越具体、越靠后,通常越能覆盖前面的通用规则。CODEOWNERS 支持很多 gitignore 风格的模式,但不支持用 ! 做否定匹配,也不能依赖字符范围语法。

步骤二:检查最后匹配规则和分支边界
打开仓库中的 CODEOWNERS 文件,先看 GitHub 标出的语法错误,再逐条检查三件事:路径是否区分大小写、负责人是否仍有 write 权限、文件是否已经提交到目标 base 分支。比如 /Web/ 和实际目录 /web/ 不会被当成同一路径。
可以从一个目录范围较小的 PR 开始验证。修改 web/ 下的文件时,预期出现 @acme/frontend;如果同时命中全局规则和目录规则,应以更靠后的具体规则为准。没有负责人或语法无效时,不要把“没有自动请求”误判成 GitHub 通知延迟。
步骤三:打开代码所有者评审门禁
仅有 CODEOWNERS 时,GitHub 会自动发起 review request,但不一定阻止合并。进入仓库设置中的分支保护规则,或创建对应 ruleset,启用 Require review from Code Owners。这样修改了受保护目录的 PR,至少需要一名匹配的代码所有者批准后才能合并。
把 /.github/CODEOWNERS 指向平台负责人很重要,否则修改规则文件的人可能绕过自己定义的责任边界。启用门禁后,先在测试分支创建一个小 PR,确认 Reviewers 区域出现正确团队,再把规则推广到默认分支。

步骤四:用非草稿 Pull Request 验收结果
- 从功能分支创建一个修改目标目录文件的 Pull Request,并确认 base 分支就是放置 CODEOWNERS 的分支。
- 如果 PR 仍是 Draft,先点击 Ready for review;GitHub 不会在草稿阶段自动请求代码所有者。
- 检查 Reviewers 区域、文件归属提示和分支保护检查项,确认团队成员能够收到通知。
建议把“路径、预期负责人、实际负责人、是否需要批准”记成一张小表,至少覆盖一个全局规则、一个目录规则和 CODEOWNERS 自身。这样能同时发现规则匹配错误和门禁未启用的问题。
常见问题
为什么 CODEOWNERS 写了但没有自动请求?
优先检查文件是否在 PR 的 base 分支、PR 是否仍是草稿、负责人是否有 write 权限,以及路径大小写和团队可见性。
同一目录需要两个人都批准吗?
同一行写多个负责人代表他们都可作为匹配所有者;启用代码所有者必需批准时,通常任意一名匹配所有者批准即可满足该项。
能不能用 CODEOWNERS 排除某个子目录?
不要依赖 ! 否定模式。更稳妥的方式是把例外子目录写成后置的空负责人或明确负责人规则,并在测试 PR 中验证实际匹配结果。
CODEOWNERS 的核心是“路径匹配 + 有效权限 + 正确 base 分支 + 合并门禁”四件事同时成立。先用小范围 PR 验收,再扩大目录规则,通常比一次性覆盖整个仓库更容易定位责任人错派问题。
Go bytes.Reader Seek 为什么允许定位到末尾之后
- 上一篇
- Go bytes.Reader Seek 为什么允许定位到末尾之后
- 下一篇
- 皮皮喵漫画支持哪些设备?Android、平板与应用版本入口说明
-
- 文章 · 软件教程 | 8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
-
- 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。
- 229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。
- 241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。
- 222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。
- 20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
-
- Go 接口应该定义在谁那边?别为了 mock 一开始就抽象
- 2026-07-16 300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

