用 GitHub Actions 把关注圈动态整理成每日邮件摘要 • 20Bytes Log

每天打开 GitHub Dashboard，几百条动态刷出来：某个大厂仓库被几十个人同时 star、机器人在各种 PR 里留评论、github-actions[bot] 贡献了大半的活动量……真正有价值的信号——“某个你关注的人开始了一个新项目”、“某个朋友 fork 了一个不起眼但很有意思的库”——全被淹没在噪声里。

这篇文章记录我是怎么解决这个问题的：用 Python 写一个脚本，搭配 GitHub Actions 每天自动跑，把真正值得看的动态整理成一封 HTML 邮件发给自己，零服务器成本。

1. 问题拆解#

解决之前先想清楚”好的摘要”长什么样。我给自己列了三条标准：

聚焦个人行为：我更想知道”张三今天创建了一个新仓库”，而不是”anthropics/claude-code 今天被 40 个人 star 了”。
大厂项目只看数字：Google、Anthropic、OpenAI 这类大厂的项目每天都会有大量 star，列出所有 star 的人名没有意义，只需要知道”今天涨了多少”。
过滤掉机器人：github-actions[bot]、dependabot、renovate 这类账号的活动对我没有信息量，应该直接剔除。

2. 技术选型#

需求	方案
获取关注人的动态	GitHub REST API
定时运行	GitHub Actions（免费）
发送邮件	Python `smtplib` + Gmail App Password
AI 摘要（可选）	兼容 OpenAI 格式的 API

没有服务器、没有数据库、没有额外费用。整个系统的”基础设施”就是一个 GitHub 仓库和一个 YAML 文件。

3. 核心思路：用对 API 端点#

这是整个项目最关键的设计决策，也是最容易走弯路的地方。

GitHub 有一个看起来很合适的接口：

GET /users/{username}/received_events/public

plaintext

它会返回你 Dashboard 上的聚合动态流。但实际用下来会发现一个严重问题：它会静默丢弃很多事件。Dashboard 上明明显示的动态，这个接口可能根本不返回。

正确做法是分两步走：

第一步：GET /users/{me}/following
         → 拿到你关注的所有人的 login 列表

第二步：对每个人循环调用
         GET /users/{user}/events/public
         → 拿到他们各自的公开动态

plaintext

这样等于把 GitHub 内部的聚合逻辑自己实现了一遍，结果和 Dashboard 完全一致。

API 调用量估算：假设你关注了 100 人，每天有活动的可能有 30 人：

1 次 /following 请求
100 次 /events/public 请求
30 次 /users/{user} 请求（只对有活动的人拉 profile 用于显示真名）
共 ~131 次，而 GitHub 认证用户每小时限额 5000 次，完全够用

4. 整体架构#

项目分成五个模块，按流水线顺序执行：

main.py
  ↓
[1] fetcher.py   — 拉 following 列表 + 每人的动态
  ↓
[2] aggregator.py — 分组、去重、过滤机器人、识别大厂项目
  ↓
[3] summarizer.py — 调用 AI 接口生成 3-6 条摘要（可选）
  ↓
[4] renderer.py   — 生成 HTML 邮件
  ↓
[5] mailer.py     — 通过 SMTP 发送

plaintext

每一步只负责自己的事，输出传给下一步，方便单独测试和修改。

5. 聚合层的关键设计#

aggregator.py 是整个系统信息质量的核心，几个重要决策：

5.1 机器人过滤#

GitHub 的官方机器人账号都带有 [bot] 后缀，直接按字符串匹配就能过滤：

def _is_bot(login: str) -> bool:
    if login.endswith("[bot]"):
        return True
    # 少数没有 [bot] 后缀的常见机器人账号
    return login.lower() in {"dependabot", "renovate", "codecov"}

python

5.2 大厂项目识别#

维护一个大厂组织名单，对这些 org 下的仓库在 trending 区只显示数量，不列人名：

BIG_ORGS = {
    "anthropics", "google", "google-gemini",
    "openai", "microsoft", "meta", "nvidia",
    "huggingface", "MiniMax-AI",
    # ... 可以按需扩充
}

def _is_big_org(repo_full_name: str) -> bool:
    org = repo_full_name.split("/")[0]
    return org.lower() in {o.lower() for o in BIG_ORGS}

python

5.3 个人亮点提取#

从所有事件里按优先级提取”值得单独展示”的个人行为：

优先级排序：
  新建仓库 (CreateEvent)  >  发布版本 (ReleaseEvent)
  > fork 了小众项目 (ForkEvent)  > star 了小众项目 (WatchEvent)

plaintext

大厂仓库的 star 和 fork 不进入个人亮点，避免被大厂活动主导。

6. 邮件结构#

最终邮件分为四个区块，从上到下信息密度递减：

🤖 AI 速览         — 3-6 条 AI 提炼的要点（可选）
👤 个人亮点        — 新建仓库、发布版本、fork/star 小众项目
🔥 关注圈热门      — 小众热门（带 @who）/ 大厂项目（只看数量）
👥 按人分组        — 每人完整动态，过滤机器人后按事件数排序

plaintext

同时展示 GitHub 登录名和真实显示名：

👤 个人亮点
🆕 Peter Steinberger (@steipete) 创建了新仓库 steipete/openclaw
⭐ Vincent Qin (@vincentqyw) star 了 isaaccorley/rsim

plaintext

7. GitHub Actions 配置#

核心是这一段 cron 配置：

on:
  schedule:
    - cron: "0 23 * * *"   # UTC 23:00 = 北京时间 07:00
  workflow_dispatch: {}     # 支持手动触发

yaml

所有敏感信息通过 GitHub Secrets 注入，脚本里不硬编码任何账号信息：

env:
  GH_USERNAME: ${{ secrets.GH_USERNAME }}
  GH_TOKEN: ${{ secrets.GH_PAT }}
  SMTP_HOST: ${{ secrets.SMTP_HOST }}
  SMTP_PORT: ${{ secrets.SMTP_PORT }}
  SMTP_USER: ${{ secrets.SMTP_USER }}
  SMTP_PASS: ${{ secrets.SMTP_PASS }}
  MAIL_FROM: ${{ secrets.MAIL_FROM }}
  MAIL_TO: ${{ secrets.MAIL_TO }}

yaml

8. 本地测试#

用 SKIP_EMAIL=1 环境变量可以跳过发邮件，只在本地生成 HTML 文件查看效果：

# 复制 .env.example 并填好配置
cp .env.example .env

# 加载配置，跳过发邮件，只生成 HTML
export $(cat .env | grep -v '^#' | xargs)
SKIP_EMAIL=1 python main.py

# 用浏览器打开查看效果
xdg-open output/digest-*.html   # Linux
open output/digest-*.html        # macOS

bash

9. 几个踩过的坑#

received_events 的坑：最开始用 /received_events/public，发现大量关注的人的活动根本不出现。排查了很久才意识到是 GitHub 那边的聚合策略问题，换成逐人拉取后完全解决。

SMTP 端口类型错误：在 GitHub Secrets 里填写端口号时，值被 Actions 读取后如果带了多余空格会导致 int() 转换失败。确保填入的是纯数字，没有引号和空格。

机器人噪声：最初的版本里 github-actions[bot] 贡献了超过 60 条”动态”，占据了大半版面。加了 bot 过滤后，邮件内容密度一下子提高了很多。

大厂项目列人名：早期版本在 trending 区把 anthropics/claude-code 的 35 个 starer 全部列出来，用处不大还占空间。按 org 分类后改成”35 人 star”，清晰多了。

10. 可扩展的方向#

DIGEST_HOURS 参数：改成 168 就变成每周摘要
事件类型过滤：不关心 IssueCommentEvent 的话，直接在 aggregator 里注释掉
大厂名单：BIG_ORGS 是一个普通的 Python set，按需增删
邮件样式：renderer.py 顶部的 CSS 常量可以直接改

11. 总结#

这个项目的核心并不复杂，一个 300 行的 Python 脚本加上一个 40 行的 GitHub Actions YAML，就能把一个每天手动刷 Dashboard 的习惯变成一封每天自动送到邮箱的摘要。

真正花时间的不是写代码，而是想清楚”什么信息对我有价值”——过滤掉机器人、区分大厂和小众项目、把个人行为置顶——这几个决策让最终的邮件质量差别很大。

如果你也被 GitHub Dashboard 的信息量压倒，可以参考这个思路自己搭一套。