当前位置:首页 > 文章列表 > 文章 > 软件教程 > GitHub Actions 怎样上传并保留构建产物

GitHub Actions 怎样上传并保留构建产物

来源:17golang原创 2026-11-16 19:58:34 0浏览 收藏

GitHub Actions 的构建文件想在 job 结束后继续使用,关键是把它显式保存成 artifact:构建 job 末尾用 actions/upload-artifact@v4 上传,后续 job 用 actions/download-artifact@v5 下载。若跨 job,还要用 needs 保证下载方等到上传方成功。官方地址:https://docs.github.com/en/actions/tutorials/store-and-share-data

最小可用链路是“构建输出目录 → upload-artifact 命名 → needs 等待 → download-artifact 按名取回”。名称、路径和保留天数分别解决定位、文件范围和生命周期问题。

本文结果:你会得到一个名为 build-output 的构建产物,部署 job 可以下载到工作区;运行结束后还能在 Actions 的 Artifacts 区域看到它。

先确定 artifact 要保存什么

打开仓库的 Actions,选择需要修改的 workflow,再进入文件编辑入口。先确认构建命令实际把文件放在哪里,例如前端项目通常是 dist/,测试任务也可以单独保存覆盖率报告。不要把整个仓库根目录当作 path,否则依赖缓存、临时文件和源码都可能被打包。

Actions 工作流入口和 dist 构建输出目录的原创界面说明图
图1:入口说明图,定位 Actions 工作流和构建输出目录;这是原创界面示意,不是截图。

在右侧或编辑器中记下三项:上传名称、输出路径、保留期限。名称是后续下载的唯一线索,路径是工作区里的相对路径,retention-days 不能超过仓库、组织或企业设置的上限。

在构建 job 末尾上传 artifact

把上传步骤放在构建命令之后。下面的例子只保存 dist/,同时给产物一个稳定名字;代码中的中文注释说明了每个关键字段的用途。

- name: Build project
  run: npm run build

- name: Archive build output
  uses: actions/upload-artifact@v4
  with:
    # 名称供后续 job 和运行详情页定位,改名后下载方也要同步修改
    name: build-output
    # 只上传构建结果,不把源码和依赖目录一起打包
    path: dist/
    # 这里示例保留 7 天,不能超过仓库或组织的 retention 上限
    retention-days: 7

回到 Actions 页面提交 workflow 文件并等待运行。进入对应 run 后,展开 Archive build output,看到绿色成功状态才继续配置下载方;如果 path 不存在,先修正构建命令或路径,不要只改 artifact 名称。

upload-artifact 的 name、path 和 retention-days 配置界面说明图
图2:上传操作示意图,查看 artifact 名称、路径和保留期的配置位置;这是原创界面示意,不是截图。

让后续 job 下载并复用

下载方必须声明 needs: build,这样它不会在构建尚未完成时提前运行。下载到默认工作区后,dist/ 下的文件会出现在当前 job 的运行目录;如果希望路径更明确,可以给 path 指定目录。

deploy:
  needs: build
  runs-on: ubuntu-latest
  steps:
    - name: Download build output
      uses: actions/download-artifact@v5
      with:
        # 必须与 upload-artifact 的 name 完全一致
        name: build-output
        # 将产物放到部署脚本约定的目录,避免路径猜测
        path: deploy-dist
    - name: Deploy files
      run: ./scripts/deploy.sh deploy-dist

如果需要下载同一次运行中的全部 artifact,可以省略 name;如果来自另一条 workflow 或另一轮运行,则需要额外提供 token 和 run identifier,不能把当前 job 的默认范围当成跨运行权限。

needs 依赖、download-artifact 步骤和 Artifacts 结果卡片的界面说明图
图3:结果说明图,理解跨 job 下载和运行详情中的 Artifacts 位置;这是原创界面示意,不是截图。

用运行详情确认保存和下载结果

打开这次 workflow run,先看构建 job 的上传步骤,再看部署 job 的下载步骤。页面底部的 Artifacts 区域应出现 build-output;下载后若目录为空,优先检查上传时的 path、下载时的 name,以及是否把两个 job 放在同一个 workflow run 中。

现象优先检查处理方式
找不到 artifactname 是否完全一致统一上传和下载的名称
上传成功但没有文件path 是否存在对照构建命令输出目录
部署 job 提前运行needs 是否指向构建 job补上 job 依赖
跨运行下载失败run identifier 和 token按跨运行下载规则显式传参

常见问题

artifact 能在多个 job 之间直接共享吗?

可以,但要先上传,再让依赖方通过 needs 等待,并按名称下载。artifact 是文件交换边界,不等同于共享工作区。

为什么后续 job 下载不到刚上传的内容?

通常是上传步骤没有成功、名称拼写不同、构建输出目录为空,或下载方没有等待构建方。按“上传日志 → name → path → needs”的顺序检查,定位会比反复修改部署脚本更快。

最后核对:构建 job 生成了明确目录,上传步骤使用固定名称,下载 job 声明了 needs,运行详情的 Artifacts 区域能看到产物,并且保留期限符合仓库策略。

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 Dev Containers 怎样避免容器内文件变成 rootVS Code Dev Containers 怎样避免容器内文件变成 root
上一篇
VS Code Dev Containers 怎样避免容器内文件变成 root
GitHub Issue 模板怎样统一收集复现信息
下一篇
GitHub Issue 模板怎样统一收集复现信息
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。
    1054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。
    1054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。
    1215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。
    1161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。
    1004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