当前位置:首页 > 文章列表 > 文章 > 软件教程 > GitHub Actions 环境保护规则怎样要求人工批准

GitHub Actions 环境保护规则怎样要求人工批准

来源:17golang原创 2026-10-29 00:37:11 0浏览 收藏

如果生产部署不能由工作流触发后立即执行,可以把部署 job 绑定到 GitHub Environment,再为这个环境添加 Required reviewers。这样工作流进入该 job 后会先停在 Waiting,指定用户或团队批准后才继续执行部署步骤。

官方地址:https://github.com/

最短配置路径:仓库的 Settings → Environments 新建或打开环境,在 Deployment protection rules 中添加 Required reviewers;然后让工作流的部署 job 写入 environment: production。提交工作流后,先看到 Waiting,再由有权限的审阅者批准。下面的界面图是原创操作说明图,不是 GitHub 的实际截图。

先确认 Environment 与审批权限

人工批准规则配置在仓库 Environment 上,不是普通分支保护规则。先进入目标仓库的 Settings,在左侧找到 Environments,新建或打开例如 production 的环境。

Required reviewers 可以填写用户或团队,最多列出六个审阅者;工作流进入该环境后,其中一个 required reviewer 批准即可继续。审阅者至少要对仓库有读取权限。若要让生产发布始终由另一个人确认,还要关注 Prevent self-review,它会阻止触发部署的人批准自己的部署。

计划和仓库可见性也会影响可用范围。GitHub 文档当前说明,Environment 及其保护规则在公开仓库可用;私有或内部仓库对计划有额外要求。配置前先确认仓库权限和计划,不要把“看到了设置项”误认为所有仓库都能按同样方式执行。

原创界面说明图:GitHub Environment 的 Required reviewers 和 Prevent self-review 设置区域
图1:环境保护规则说明图,查看 Required reviewers 与 Prevent self-review 位于同一个部署门禁区域。

在环境中添加 Required reviewers

  1. 打开仓库的 Settings → Environments,选择 production。
  2. 在 Deployment protection rules 区域点击添加审阅者。
  3. 选择一个或多个用户、团队,并按需要开启 Prevent self-review。
  4. 保存保护规则;如果同时配置了分支或标签限制,后续还要确保工作流引用的 ref 满足这些条件。

这里的关键不是把某个名字写进 YAML,而是让环境本身拥有保护规则。用户或团队名称属于仓库协作配置,工作流只负责声明“这个 job 要进入哪个环境”。

让部署 job 引用受保护环境

在工作流的部署 job 上填写环境名称。下面是一个最小示例:它先运行构建 job,再让部署 job 进入 production。代码中的中文注释说明了依赖关系与门禁位置。

name: deploy

on:
  workflow_dispatch:

jobs:
  build:
    runs-on: ubuntu-latest
    steps:
      - name: Checkout
        uses: actions/checkout@v4
      - name: Build
        run: echo "构建产物"

  deploy:
    needs: build # 先完成构建,再进入生产环境门禁
    runs-on: ubuntu-latest
    environment:
      name: production # 必须与 Settings 中的 Environment 名称完全一致
    steps:
      - name: Deploy
        run: echo "执行部署步骤" # 审批通过后才会运行这里

environment.name 要和仓库设置中的环境名一致。工作流只是引用环境;真正的 Required reviewers、分支限制和等待规则由 Environment 配置决定。如果名称写错,job 可能进入另一个环境或创建出不带预期保护规则的环境。

原创界面说明图:GitHub Actions 工作流中 build 完成后由 deploy job 引用 production 环境
图2:工作流门禁说明图,build 与 deploy 的依赖关系以及 deploy 对 production 环境的引用。

从 Waiting 状态完成一次人工批准

把工作流提交到仓库后,打开对应的 Actions 运行记录。构建 job 完成后,引用 production 的部署 job 应显示为等待审核,而不是直接进入下一步。进入该 job 的审核入口,确认工作流、分支和变更范围,再选择批准或拒绝。

批准前,部署 job 的后续步骤不会继续执行;批准后,job 才会按原工作流继续。如果拒绝,部署任务不会通过这个环境门禁。若长时间无人处理,也不能把 Waiting 当作构建失败,应先确认审阅者通知、仓库权限和环境名称。

GitHub 文档说明,等待审核的 job 如果在 30 天内没有获批,会自动失败。因此生产门禁需要配合团队值班或发布节奏安排审阅者,避免审批请求无人处理。

常见配置问题与最终确认

为什么部署没有出现 Waiting?先检查部署 job 是否写了 environment,名称是否完全匹配,并确认 Required reviewers 保存到了同一个仓库环境。只配置环境变量或普通 job 名称,不会自动触发人工审批。

为什么触发人不能批准?检查环境的 Prevent self-review 是否开启。开启后需要另一个符合条件的审阅者批准,这是防止发起人自己绕过门禁的预期行为。

多个审阅者是不是都要批准?不是。Required reviewers 可以列出多个用户或团队,但当前规则是其中一个符合条件的审阅者批准即可继续。

最后按这三点确认配置完成:Environment 名称与 YAML 一致;保护规则中能看到 Required reviewers;Actions 运行记录在部署 job 处先出现 Waiting,批准后才进入部署步骤。这样人工批准真正成为发布门禁,而不是只停留在设置页面。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
VS Code Markdown 预览怎样显示本地图片VS Code Markdown 预览怎样显示本地图片
上一篇
VS Code Markdown 预览怎样显示本地图片
GitHub Actions 怎样限制 GITHUB_TOKEN 的默认权限
下一篇
GitHub Actions 怎样限制 GITHUB_TOKEN 的默认权限
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    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
    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
    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
    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
    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
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    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。
    763次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    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。
    759次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    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。
    842次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    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。
    811次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    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。
    641次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码