当前位置:首页 > 文章列表 > 科技周边 > 业界新闻 > GitHub Copilot Automations 怎样设置每次运行的 AI 额度上限

GitHub Copilot Automations 怎样设置每次运行的 AI 额度上限

来源:17golang原创 2026-11-03 08:59:39 0浏览 收藏

如果你给 GitHub Copilot Automations 配了定时触发器或事件触发器,最容易失控的不是“能不能跑”,而是一次运行会消耗多少 AI credits。直接做法是:编辑自动化时展开 AI credit limits,先设置 Per run,再根据运行频率补充 Daily、Weekly 或 Monthly。其中 Per run 最低为 30 AI credits,达到阈值时会停止当前运行;周期限额达到后,只会阻止新的运行启动。

官方地址:https://docs.github.com/en/copilot/how-tos/use-copilot-agents/cloud-agent/create-automations

更新说明:https://github.blog/changelog/2026-10-28-new-tools-triggers-and-cost-controls-for-copilot-automations/

想限制单次任务成本,就设置 Per run;想限制一天、一周或一个月能启动多少次,就配置对应周期限额。两者要配合使用,不能互相替代。

先把四种限额看成两道闸门

Copilot Automations 的额度设置可以分成“当前运行闸门”和“后续启动闸门”。Per run 绑定一次具体执行:当这次运行达到设定值,运行会停止。Daily、Weekly、Monthly 绑定时间窗口:达到窗口预算后,系统不再启动新的运行,但已经开始的运行不会因为周期额度刚好用完而被中途切断。

Per run 与 Daily Weekly Monthly AI credits 限额边界说明图
图1:AI credits 限额的边界示意图;Per run 控制当前运行,周期限额控制后续启动。
限额控制对象达到阈值后的行为适合解决的问题
Per run单次运行停止当前运行避免某个复杂任务持续消耗
DailyUTC 日窗口阻止新的运行限制每天的自动触发总量
WeeklyUTC 周窗口阻止新的运行控制周度预算
MonthlyUTC 月窗口阻止新的运行控制月度预算

第一步:先确认自动化由谁承担额度

创建自动化时,先选择它是 Personal 还是 Shared。Personal 自动化只有创建者可见,AI credits 计入个人;Shared 自动化对有权限访问仓库的人可见,额度计入仓库所有者或组织。这个选择会影响后续预算归属,而且创建完成后不能再改类型。

因此,个人调试用的小自动化可以先选 Personal;面向团队的 issue 分类、拉取请求整理或定时检查,应该先确认仓库所有者是否接受这笔预算,再选 Shared。不要只盯着单次上限,却忘了自动化可能被多人或高频事件触发。

第二步:在创建或编辑页面展开 AI credit limits

在仓库的 Agents 或 Automations 页面创建、编辑自动化,先填写名称、类型、触发器和 prompt,再选择真正需要的工具。工具范围直接影响 Copilot 能做什么,也会影响一次任务需要多少推理和操作。GitHub 的官方流程把 AI credit limits 放在自动化配置中,创建后也可以重新编辑。

配置顺序可以压缩成下面四个判断:

  1. 触发器是不是高频事件,例如每次 issue 更新都触发。
  2. prompt 是否要求读取大量上下文、反复修改或调用多个工具。
  3. 工具是否超过任务所需范围,是否真的需要推送代码或创建拉取请求。
  4. 额度是按个人承担,还是由仓库所有者承担。
自动化类型触发器工具与 AI credits 配置关系说明图
图2:从自动化归属到额度策略的配置关系示意图;用于理解设置顺序,不代表真实产品界面。

第三步:设置 Per run,给单次任务设硬边界

在 AI credit limits 区域填写 Per run。官方要求最低值为 30 AI credits;空着表示不设置这项上限。刚开始可以按任务复杂度分档:只做标签判断的自动化设较小值,需要查代码、运行工具并产生改动的任务设更高值,然后通过几次手动运行观察是否经常触顶。

这里的关键是“触顶会停当前运行”。如果 prompt 里写了多个连续目标,达到 Per run 后可能只完成前半段,所以应该把一个自动化的职责收窄。例如先让它分类和补充标签,把代码修改交给另一个有独立额度的自动化,而不是让一次运行同时分析、改代码、运行测试和创建 PR。

# 这是配置思路示例,不是 GitHub API 的可直接粘贴请求
# Per run 负责截断单次运行,数值必须不低于 30
per_run = 60

# 周期限额负责阻止后续启动,按 UTC 窗口计算
daily = 300
weekly = 1200
monthly = 4000

# 单次预算优先于周期预算,用于控制一条任务的最大消耗
if current_run_credits >= per_run:
    stop_current_run()

上面的伪代码只帮助理解边界,真正设置要在自动化的 AI credit limits 区域完成。不要把它当成 GitHub Actions YAML,也不要把 stop_current_run() 当成公开 API。

第四步:用周期限额约束高频触发

如果只设置 Per run,却给自动化绑定了高频事件,很多次合法的小运行叠加后仍可能超过预算。这时补充周期限额。Daily 在每天 00:00 UTC 重置,Weekly 在每周一 00:00 UTC 重置,Monthly 在每月第一天 00:00 UTC 重置。它们的作用是“达到上限后不再开始新运行”,不会中断已经在执行的任务。

配置时可以先用一个简单估算:

# 用预计平均消耗估算周期预算,避免只凭感觉填写
expected_runs = 20
average_credits = 40
buffer = 1.25

# 预算覆盖预计运行量,并保留少量波动空间
daily_limit = int(expected_runs * average_credits * buffer)
print(daily_limit)

如果每天事件次数不可控,周期限额应优先保护预算;如果任务本身容易陷入长链路,Per run 应优先保护单次风险。两者同时设置时,读者要记住它们的时间粒度不同:一次运行触顶是即时行为,周期限额触顶是下一次启动时才生效。

第五步:手动运行一次,检查策略是否和任务匹配

保存自动化后,可以从 Automations 页面手动运行,不必等待事件或计划触发。测试时选择一个真实但低风险的资源,观察它是否能在额度范围内完成预期动作,并确认所选工具没有越过任务边界。

重点看三件事:

  • Per run 是否太小,导致每次都在完成主要动作前停止。
  • Daily、Weekly、Monthly 是否因为 UTC 重置时间而和团队本地工作日错位。
  • Shared 自动化的额度归属是否已经得到仓库所有者或组织认可。

如果一次运行总在边界附近结束,不要第一时间只提高额度。先缩短 prompt、减少工具、拆分职责,再决定是否上调 Per run。这样可以把额度设置变成架构约束,而不是给一个不断膨胀的自动化续费。

常见误区和一张配置清单

误区一:把 Daily 当成单次运行上限。 Daily 不会停止已经开始的运行,单次成本要靠 Per run。

误区二:把空白当成零。官方页面把空白定义为不设置该项,不等于允许一次运行只消耗 0 credits。

误区三:忽略自动化类型。 Personal 与 Shared 的可见范围、操作身份和计费归属不同,预算应该在选类型时一起确认。

误区四:只限制额度,不限制工具。工具越多,任务边界越宽;先选完成目标必需的工具,再用额度做最后一道保护。

检查项建议
单次风险设置 Per run,且不低于 30 AI credits
高频触发增加 Daily 或 Weekly,防止集中启动
长期预算增加 Monthly,并记住按 UTC 重置
团队共享先确认仓库所有者或组织的额度归属
工具范围只授予 prompt 真正需要的工具

相关问题

Per run 最低可以填多少?官方文档给出的最低值是 30 AI credits。

Daily 达到上限会杀掉当前任务吗?不会。Daily、Weekly、Monthly 达到上限后阻止新运行,已经在执行的运行不会被它们中途停止。

怎样移除已经设置的限额?编辑自动化并清空对应的限额字段。

为什么设置了 Per run 还需要 Monthly?Per run 只限制单次,多个小运行累积后仍会形成月度消耗,所以长期运行还需要周期预算。

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
Gemini Interactions API GA 后适合哪些代理场景Gemini Interactions API GA 后适合哪些代理场景
上一篇
Gemini Interactions API GA 后适合哪些代理场景
Python 3.14.10 发布后怎样安排小版本升级
下一篇
Python 3.14.10 发布后怎样安排小版本升级
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。
    856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。
    860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。
    938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。
    914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。
    746次使用