GitHub Actions: tự chạy test, tự nhận xét code bằng AI

Bài này dựa trên GitHub Docs, README của actions/checkout và actions/setup-python, và tài liệu của claude-code-action, đọc ngày 11/11/2026. Ví dụ dùng Python và pytest; bạn nên biết pull request là gì trước, xem bài issue và pull request.

GitHub Actions là gì

GitHub Actions chạy các lệnh của bạn trên máy ảo khi có sự kiện trong kho. Các khái niệm cần nắm:

• Workflow: một tệp YAML mô tả một quy trình tự động, đặt trong thư mục .github/workflows/ của kho.
• Sự kiện (event): thứ kích hoạt workflow, ví dụ push, pull_request, hay chạy theo lịch.
• Job: một nhóm bước chạy trên cùng một máy. Nhiều job chạy song song nếu không phụ thuộc nhau.
• Runner: máy chạy job, ví dụ ubuntu-latest do GitHub cung cấp.
• Step: một lệnh shell (run:) hoặc một action viết sẵn (uses:), như actions/checkout để lấy code về máy chạy.

Kết quả hiện ở tab Actions của kho và ở phần Checks trên trang pull request: dấu xanh là đạt, dấu đỏ là có bước thất bại, bấm vào để xem log từng dòng.

Chi phí

Trang GitHub Actions billing (11/11/2026) ghi: chạy runner chuẩn của GitHub trong kho công khai là miễn phí và không trừ vào hạn mức. Với kho riêng tư, mỗi gói có hạn mức tính bằng tiền: 12 USD mỗi tháng cho GitHub Free và 18 USD cho GitHub Pro. Docs nói rõ hạn mức này là một khoản tiền, không phải số phút cố định; số phút thực tế tùy loại máy chạy. Dự án học tập để công khai thì gần như không phải lo chi phí cho việc chạy test.

Workflow đầu tiên: tự chạy test

Giả sử dự án có một hàm chuẩn hóa dữ liệu kiểu min-max, đưa mọi giá trị về khoảng 0 đến 1, cùng bốn hàm test viết theo kiểu pytest. Trong đó có một test cho trường hợp dễ quên: mọi giá trị bằng nhau, công thức sẽ chia cho 0 nếu không xử lý riêng.

Tệp workflow chay_test.yml đặt ở .github/workflows/:

• on: chạy khi push lên main và khi có pull request.
• permissions: contents: read chỉ cấp quyền đọc code, đủ cho việc chạy test.
• strategy.matrix chạy cùng bộ test trên Python 3.12 và 3.13, mỗi phiên bản một job song song.
• Các bước: lấy code bằng actions/checkout@v7, cài Python bằng actions/setup-python@v7 (cả hai là phiên bản chính mới nhất ngày 11/11/2026 theo README), cài pytest, rồi chạy test.

# Đặt tệp này ở .github/workflows/chay_test.yml trong kho của bạn.
name: Chạy test

on:
  push:
    branches: [main]
  pull_request:

permissions:
  contents: read

jobs:
  test:
    runs-on: ubuntu-latest
    strategy:
      matrix:
        python-version: ["3.12", "3.13"]
    steps:
      - uses: actions/checkout@v7
      - uses: actions/setup-python@v7
        with:
          python-version: ${{ matrix.python-version }}
      - name: Cài thư viện
        run: python -m pip install pytest
      - name: Chạy test
        run: python -m pytest thu_chuan_hoa.py -v

"""Hàm nhỏ của một dự án AI: chuẩn hóa min-max đưa các giá trị về khoảng [0, 1].

Đây là đoạn code mà quy trình GitHub Actions trong bài sẽ tự chạy test mỗi lần có push hay pull request.
"""


def chuan_hoa(gia_tri):
    if not gia_tri:
        raise ValueError("danh sách rỗng")
    nho, lon = min(gia_tri), max(gia_tri)
    if lon == nho:
        return [0.0 for _ in gia_tri]  # mọi giá trị bằng nhau: tránh chia cho 0
    return [(x - nho) / (lon - nho) for x in gia_tri]


if __name__ == "__main__":
    print(chuan_hoa([10, 15, 20, 30]))
    print(chuan_hoa([7, 7, 7]))

"""Các hàm test cho chuan_hoa.py, viết theo kiểu pytest (hàm tên test_..., dùng assert).

Chạy trên máy: python -m pytest thu_chuan_hoa.py
Không có pytest thì chạy thẳng: python thu_chuan_hoa.py
"""
import math

from chuan_hoa import chuan_hoa


def test_dua_ve_0_1():
    assert chuan_hoa([10, 15, 20, 30]) == [0.0, 0.25, 0.5, 1.0]


def test_moi_gia_tri_bang_nhau():
    assert chuan_hoa([7, 7, 7]) == [0.0, 0.0, 0.0]


def test_so_am_va_so_thuc():
    kq = chuan_hoa([-1.5, 0.0, 1.5])
    assert all(math.isclose(a, b) for a, b in zip(kq, [0.0, 0.5, 1.0]))


def test_danh_sach_rong_bao_loi():
    try:
        chuan_hoa([])
    except ValueError:
        return
    raise AssertionError("phải báo ValueError với danh sách rỗng")


if __name__ == "__main__":
    for ten, ham in list(globals().items()):
        if ten.startswith("test_"):
            ham()
            print("đạt", ten)

Commit cả ba tệp, push lên GitHub, mở tab Actions để xem workflow chạy. Từ nay mỗi PR đều có dòng "Chạy test" trong phần Checks. Khi chạy thử trên máy với pytest, cả bốn test đều đạt; còn nếu ai đó sửa hàm và quên trường hợp mọi giá trị bằng nhau, test thứ hai báo lỗi chia cho 0 và PR hiện dấu đỏ.

Với dự án thật, thay dòng cài pytest bằng python -m pip install -r requirements.txt. Dự án AI hay có mô hình lớn; đừng để test tải mô hình nặng mỗi lần chạy, mà tách phần xử lý dữ liệu, tiền xử lý thành hàm nhỏ để test nhanh như ví dụ trên.

Khi workflow báo đỏ

Dấu đỏ không có nghĩa là GitHub hỏng; nó là thông tin. Cách đọc:

1. Bấm vào dấu đỏ trong phần Checks của PR, hoặc mở tab Actions và chọn lần chạy thất bại.
2. Chọn job bị đỏ (ví dụ "test (3.13)"), mở bước có dấu X. Log hiện đúng thông báo như khi bạn chạy trên máy.
3. Nếu chỉ một phiên bản Python đỏ, lỗi thường do khác biệt giữa các phiên bản thư viện hay ngôn ngữ; nếu cả hai đều đỏ, lỗi nằm ở code hoặc test.
4. Chạy lại đúng lệnh đó trên máy, sửa, push lên cùng nhánh; workflow tự chạy lại.

Lỗi hay gặp ở lần đầu: quên đưa tệp requirements.txt vào commit, đường dẫn tệp test sai so với gốc kho, hoặc code đọc một tệp dữ liệu chỉ có trên máy bạn. Đây chính là lợi ích của việc chạy test trên một máy sạch: những phụ thuộc ngầm như vậy lộ ra trước khi người khác gặp.

Những sự kiện khác đáng biết

Ngoài push và pull_request, hai sự kiện hữu ích cho dự án học tập:

• workflow_dispatch: thêm nút chạy bằng tay trong tab Actions, hợp cho việc chạy đánh giá mô hình khi bạn cần.
• schedule: chạy theo lịch viết dạng cron, ví dụ mỗi sáng thứ Hai kiểm lại xem các đường dẫn dữ liệu còn tải được không.

Với các workflow tốn nhiều thời gian như huấn luyện mô hình, nên chạy bằng tay hoặc theo lịch thay vì mỗi lần push, để không tốn hạn mức và không làm chậm PR.

Bắt buộc test xanh trước khi gộp

Chạy test thôi chưa đủ nếu vẫn bấm gộp được khi test đỏ. Trong Settings của kho, tạo quy tắc cho nhánh main (Rulesets hoặc Branch protection) và yêu cầu các kiểm tra trạng thái phải đạt trước khi gộp, chọn job "test" của workflow. Kết hợp với yêu cầu ít nhất một người review, nhánh main luôn ở trạng thái chạy được.

Thêm AI nhận xét code

Có hai hướng phổ biến:

Copilot code review. Theo GitHub Docs (11/11/2026), trong Settings, Rulesets, tạo quy tắc nhánh và chọn "Automatically request Copilot code review"; có thể bật thêm review lại khi có push mới và review cả PR nháp. Copilot chỉ được gửi review đồng ý (approve) nếu bạn bật tùy chọn riêng, và phê duyệt đó chỉ tính vào điều kiện gộp khi bật thêm một tùy chọn nữa. Docs ghi tính năng tự review PR của chính mình có ở các gói Copilot Pro, Pro+ và Max, cùng Copilot Business và Enterprise.

Một action gọi mô hình AI. Ví dụ claude-code-action của Anthropic. Hướng dẫn nhanh trong README là chạy /install-github-app từ Claude Code để cài ứng dụng GitHub và thêm secret. Tài liệu Solutions của kho có ví dụ "Automatic PR Code Review": workflow chạy khi PR được mở hoặc có commit mới (types: [opened, synchronize]), cấp quyền contents: read, pull-requests: write, id-token: write, truyền khóa qua secrets.ANTHROPIC_API_KEY, kèm lời nhắc nêu những gì cần xem (chất lượng code, lỗi tiềm ẩn, bảo mật, hiệu năng) và danh sách công cụ được phép như gh pr comment, gh pr diff.

Vài nguyên tắc an toàn khi để AI chạy trong Actions:

• Khóa API luôn đặt trong Settings, Secrets and variables, Actions; không bao giờ viết thẳng vào tệp YAML.
• Cấp quyền ít nhất có thể. Review chỉ cần đọc code và ghi bình luận, không cần quyền ghi vào nhánh.
• Giới hạn công cụ AI được dùng, như ví dụ trên chỉ cho đọc diff và bình luận.
• Cẩn thận với PR từ fork của người lạ: nội dung PR có thể chứa chữ nhằm điều khiển AI. Tài liệu claude-code-action có riêng mục cho PR từ người đóng góp bên ngoài; đọc kỹ trước khi bật.
• AI review là góp ý. Người vẫn đọc và chịu trách nhiệm trước khi gộp; xem bài kiểm chứng việc AI làm và giới hạn quyền của agent.

Câu hỏi thường gặp

Học tiếp

• Ôn lại cách mở và review pull request: issue và pull request.
• Cách kiểm code do AI viết trước khi gộp: kiểm chứng việc AI làm.
• Giới hạn quyền khi để agent chạy tự động: giới hạn quyền của agent.
• Xem lại toàn bộ chủ đề: GitHub cho người học AI.

Nếu bạn muốn học Python và AI bài bản cùng giảng viên, tham khảo khóa học AI của Big-O Coding.

Nguồn tham khảo

• GitHub Docs: Building and testing Python
• GitHub Docs: GitHub Actions billing
• actions/setup-python README
• anthropics/claude-code-action: Solutions guide
• GitHub Docs: Configuring automatic code review by GitHub Copilot