GHAgentCI 数据集发布：从 GitHub Actions 历史中挖掘编码智能体调用记录

研究团队发布了 GHAgentCI 数据集，从挖掘的 196K+ 个 GitHub 仓库中识别出 6K+ 个仓库的 15K+ 条工作流历史，包含 159K+ 条修订版本和 205K+ 条智能体证据记录，并与工作流触发器和执行约束关联。 配套的开源抽取工具 cai-miner 通过可扩展的规则目录检测智能体相关证据，覆盖 action 引用、shell 命令等信号。人工验证了 576 条分层抽样记录，专用 action 匹配准确率达 96.1%，GitHub Agentic Workflow 匹配达 98.8%，其他证据类型的准确率较低。 探索性分析显示智能体集成正向命令行和 GitHub Agentic Workflow 方式迁移，不同项目声明的安全防护措施差异明显，且被检测到的 agentic 工作流常被移除。数据集可用于编码智能体与 CI 集成的纵向研究。