1. 项目概述：为什么 on/jobs/steps 的写法，直接决定 AI 编程工具在 CI 中的可用性上限大多数人把 GitHub Actions 当作“自动执行脚本的黑盒”，直到某次用 AI 编程工具生成了一个带matrix的测试工作流，本地跑通、PR 提交后却卡在on.pull_request.paths不触发——AI 给的 YAML 看似语法正确，但paths下写了src/**/*，而实际改动文件在lib/目录下。更糟的是，AI 还顺手加了if: github.event.pull_request.draft == false，结果 draft PR 被完全忽略，团队成员反复提交却收不到任何反馈。这不是 YAML 写错了，是对on触发器语义的理解偏差。而这种偏差，在 AI 辅助编程场景下被急剧放大：AI 工具（如 Cursor、Claude Code、Trae）能快速生成 jobs 和 steps，但它不会主动告诉你——strategy.fail-fast: false和continue-on-error: true的作用域完全不同；也不会提醒你，steps.run里直接写npm test而不指定working-directory，在多包 monorepo 中会让所有子包测试都跑在根目录，导致tsconfig.json