Agent 与自动化工作流

test-ci-cd：用 LLM 与图库 API 每小时自动刷新照片画廊

mujammed-04/test-ci-cd · Next.js gallery that refreshes itself hourly — an LLM invents the search prompts, a stock photo API finds the shots, CI republishes the image

GitHub原文发布未知首次收录 2026-09-23上架 2026-09-23 12:01

☆ 收藏查看项目 ↗

ELI5：它是什么，解决什么问题

一个基于 Next.js 的照片画廊项目，通过 GitHub Actions 每小时自动运行：先随机选择主题，再由 Groq 上的 LLM 生成搜索提示词，调用 Pexels 图片 API 获取照片并写入 gallery.json 提交到 main 分支，随后触发 CI 校验并重新构建镜像发布到 GHCR。项目使用 Next.js 16 App Router、React 19、TypeScript、StyleX 与 Feature-Sliced Design 组织代码，支持多语言路由，图片与提示词来源需标注 Pexels 与 Groq。

# LLM # GitHub Actions # Docker # workflow # image-retrieval

核心能力与快速开始

★ 0 · TypeScript

能做什么: 以 cron 定时（每小时）的 GitHub Actions 工作流为核心：随机挑选主题，由 Groq 上的 LLM 生成简短搜索提示词，调用 Pexels 图库 API 为每个提示词寻找照片，将结果写入 gallery.json 并提交到 main 分支；随后调用 CI 工作流做 lint、typecheck、build、commitlint，并通过 release 工作流构建镜像发布到 GHCR。前端为 Next.js 16 App Router 应用，React 19、TypeScript 5、StyleX，代码按 Feature-Sliced Design 分层（app / views / widgets / features / entities / shared），通过 ESLint 的 eslint-plugin-boundaries 约束层级导入；使用 next-intl 提供多语言路由（ru、en、kk）；画廊与照片详情页为构建期静态生成，数据来自 gallery.json。脚本 scripts/generate-gallery.mjs 可在本地手动运行生成数据。
适用场景: 适合作为演示或学习「LLM 生成提示词 + 图库 API 检索 + CI/CD 自动定时发布」完整链路的示例项目；也可用于搭建一个每小时自动更新、带多语言支持的照片画廊站点；其 GitHub Actions 工作流编排方式（workflow_call 手动级联调用、避免 GITHUB_TOKEN 提交触发循环）可作为 CI/CD 实践参考。
项目形态: 可直接使用的工具
部署方式: 提供 Docker 镜像并通过 GitHub Actions 发布到 GHCR；需要在 GitHub 仓库中配置 Actions secrets（GROQ_API_KEY、PEXELS_API_KEY 等），并启用 gallery.yml 的 cron 与 release.yml 的镜像构建流程。本地开发通过 yarn install、yarn dev 启动。
主要依赖: Node 22；Next.js 16（App Router，output: standalone）、React 19、TypeScript 5、StyleX、next-intl；需要 GROQ_API_KEY（必填）与 PEXELS_API_KEY（必填），可配置 PHOTO_COUNT（1–20，默认 6）。手动运行脚本时需使用 node 的 --env-file 标志传入 .env。
使用限制: Pexels 的使用条款要求可见署名并链接到摄影师，README 明确要求在画廊两个页面中保留该署名；Pexels 免费额度为每小时 200 次、每月 20000 次请求（README 说明），Unsplash 免费 Demo 访问限制为每小时 50 次请求，故项目从 Unsplash 迁移至 Pexels；因为页面为构建期静态生成，新照片只有在重新构建后才出现在站点上；由 GITHUB_TOKEN 创建的提交不会触发 push 工作流，因此 CI/release 采用 workflow_call 手动级联调用。项目许可证信息未说明。
许可证: 未说明
最近推送: 2026-09-23 04:57

官方入门项目文档核对 README 依据 ↗

资料检查：2026-09-23 07:00 · 卡片整理：2026-09-23 12:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证 · 本次更新未完成，保留上次成功内容

职业应用

程序员

作为 CI/CD 与自动化工作流参考：用 GitHub Actions 定时任务调用 LLM 生成搜索提示词、调用图库 API 获取数据并提交到仓库，再触发 CI 校验与镜像发布，可用于搭建类似的自动化数据刷新与持续交付流程。

查看内容依据

一个基于 Next.js 的照片画廊项目，通过 GitHub Actions 每小时自动运行：先随机选择主题，再由 Groq 上的 LLM 生成搜索提示词，调用 Pexels 图片 API 获取照片并写入 gallery.json 提交到 main 分支，随后触发 CI 校验并重新构建镜像发布到 GHCR。

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证

相似资源

Revera：基于双模型校验的 GitHub 拉取请求 AI 代码审查工具

Revera 是一个用 Rust 编写的开源代码审查工具，使用用户自行选择的 AI 模型审查 GitHub 拉取请求。它采用调查者与验证者两阶段流程：调查者阅读变更并提出缺陷候选，验证者则在全新会话中重新从代码中独立确认每条发现，才允许发布，以减少未经验证的误报。支持 OpenAI 兼容端点、OpenAI Responses、Anthropic 和 Google Gemini，可为不同角色分别配置供应商与模型，并支持有序的备用模型。可自托管为 GitHub App（支持 @mention 触发、quick/deep 模式）、GitHub Action 或本地 CLI，并能在多次推送间跟踪发现的修复与重开。仅支持 GitHub 作为发布目标，无托管服务，需自行部署并直接向模型供应商付费；README 说明其评估样本较小，仍可能漏报或误接受错误发现，需要人工审查。

CodeCritic Review：为 GitHub Actions 中的拉取请求提供 AI 代码审查

CodeCritic Review 是一个 GitHub Actions 动作，在拉取请求 opening 或 synchronization（打开或同步）时调用 CodeCritic API 进行 AI 代码审查，并将审查摘要作为 PR 评论发布。它提供 review_id、0-100 的质量分数和 final status 输出；可按配置等待完成，或将分数用于后续步骤，并据此设置合并门槛。材料也说明这是 AI 生成结果，可能存在误报或漏报，不能替代人工审查或专业安全审计，并且不执行代码、不访问运行时行为。

OpenInference：面向 AI 应用的 OpenTelemetry 追踪规范与插件

OpenInference 是 OpenTelemetry 的补充规范和插件集合，用于对 AI 应用进行追踪，可观察 LLM 调用、向量库检索以及搜索引擎、API 等外部工具的使用。它提供与传输方式和文件格式无关的规范，并为多种机器学习 SDK 和框架提供多语言插桩，包括 OpenAI、LangChain、LlamaIndex、Anthropic、MistralAI、Bedrock、VertexAI、CrewAI、Haystack、DSPy、MCP 等。它原生支持 Arize Phoenix 和 Arize AX，也可接入任何兼容 OpenTelemetry 的后端。

Dossier：自托管的求职管理应用，依据个人档案生成定制简历与求职信并跟踪申请进度

Dossier 是一个自托管的求职管理应用，使用 TypeScript 和 Next.js 构建、以 PostgreSQL 存储数据。它把职业经历集中在一个档案中，生成基础简历；针对具体职位，读取招聘信息、展示与档案的匹配情况，并用档案中的事实起草定制简历和求职信，用户可在聊天中修改并导出 PDF。它提供求职岗位搜索与评分、创业公司职位聚合、可选的每日求职 Agent、Claude 连接器，以及可选的 Gmail 与 Google Calendar 集成，并能用看板和数据表跟踪从草稿到 offer 的全流程。AI 模型可选用 Ollama 或 LM Studio 提供的本地模型，也可选用任意 OpenAI 兼容 API、Anthropic 或 Mistral 的托管模型。

这是基于来源内容整理的摘要。原文链接失效后，本页摘要和讨论仍会保留。