← Back to all guides

用 Claude Code 自动提交 Git 并创建 PR：安全落地教程

为什么要自动化 Git 提交和 PR

日常开发中，整理暂存区、编写 Conventional Commit、补全 PR 描述和关联测试结果，往往比实际写代码更耗时。Claude Code 可以直接在仓库中读取 diff、运行测试、分析改动影响，并调用 Git 与 GitHub CLI 完成重复操作。推荐把它用于“生成提交与 Draft PR”，而不是无条件直接合并，这样既能提速，也能保留代码审查和发布门禁。

第一步：准备 Git、GitHub CLI 与 Claude Code

先确认本机已安装 Git，并在项目目录执行 git status。随后安装 GitHub CLI，运行 gh auth login 完成 GitHub 授权；再用 gh auth status 确认当前账号具有仓库推送和创建 PR 的权限。Claude Code 应在仓库根目录运行，这样它才能读取项目约定、测试脚本、Git 历史与当前工作区改动。

开始自动化前，建议先建立团队规则：功能改动使用 feat，修复使用 fix，文档使用 docs；每个提交只处理一个清晰目的；PR 默认创建为 Draft。规则越明确，Claude Code 生成的提交历史越容易维护。

第二步：通过 59API 配置低成本模型访问

在 59API 控制台创建 API 密钥，并按控制台提供的模型名称选择 Sonnet、Haiku、Opus 或其他可用模型。59API 的 API 地址为 https://api.59api.com，兼容 Claude Code、Codex 和 OpenAI SDK；对于需要频繁分析 diff、生成 PR 的个人开发者和小团队，按量付费与较低成本尤其适合日常自动化。它提供原生官方质量模型访问，不需要为了节省预算而牺牲模型能力。

在终端设置环境变量：ANTHROPIC_BASE_URL 指向 https://api.59api.com，ANTHROPIC_AUTH_TOKEN 设置为你的 59API 密钥，ANTHROPIC_MODEL 设置为控制台显示的目标模型。不同终端的持久化方式不同，macOS 或 Linux 可写入 shell 配置文件；Windows 可通过系统环境变量设置。密钥不要写入仓库、脚本或 .claude 文件夹。

第三步：先让 Claude Code 只审查暂存改动

执行 git add 指定文件后，不要立刻让 AI 提交。先运行 Claude Code，并要求它完成四项检查：读取 git diff --cached；说明业务行为变化；检查是否包含密钥、调试输出或无关格式化；根据项目命令运行相关测试。提示词应明确要求“不得修改文件、不得提交、仅输出风险和建议的提交标题”。这一步能避免把未完成实验、环境文件或敏感配置带进提交。

如果仓库没有测试命令，也应让它至少执行语言对应的静态检查，例如 lint、typecheck 或编译。测试失败时，应要求 Claude Code 停在解释阶段，不创建提交或 PR。

第四步：创建可复用的提交与 PR 指令

在仓库创建 .claude/commands/ship.md，自定义一个 /ship 指令。指令内容应要求 Claude Code 依次执行：检查当前分支不是 main 或 master；确认 git diff --cached 非空；运行项目测试；根据暂存 diff 生成不超过 72 个字符的 Conventional Commit 标题；提交后推送当前分支；使用 gh pr create 创建 Draft PR。

PR 描述应要求固定包含“变更摘要、实现方式、测试结果、风险与回滚方式”四部分。还应明确禁止它执行 git push --force、git reset --hard、删除分支、修改 CI 密钥或直接合并 PR。将这些限制写入仓库级命令，比每次临时口头要求更可靠。

第五步：用安全提示词执行自动化

完成暂存后，在 Claude Code 中运行 /ship，并附加本次任务背景，例如“这是订单筛选性能优化，目标分支为 main，必须创建 Draft PR”。对于首次使用，保留默认权限确认：当 Claude Code 要执行 git commit、git push 或 gh pr create 时，逐项审核。确认内容包括提交文件列表、远端仓库地址、PR 基准分支和标题。

只有在受控 CI 临时环境、分支保护完整、令牌最小权限化且脚本已充分测试时，才考虑非交互权限跳过模式。个人电脑和共享开发机不应为了省几次确认而授予无限制命令权限。

第六步：把成本、质量与审核串成稳定流程

建议日常 diff 审查和 PR 文案使用速度快、成本更低的模型；复杂重构、跨模块风险评估再切换到更强模型。59API 支持按量使用多种 Claude 与 GPT 模型，适合依据任务复杂度调整成本；其推荐返佣机制也适合团队在分享工具时获得额外回馈。可以注册 59API 后先用一个小仓库试跑上述流程，再逐步推广到正式项目。

最终，自动化的目标不是让 AI 替你承担发布责任，而是让它稳定完成可验证的机械工作。每次合并前仍应由开发者审查 diff、测试状态和 PR 风险说明；这样才能同时获得更快的提交节奏与可追溯的工程质量。

Pricing · Docs