cz-customizable: 自定义你的Git Commit规范化之旅
目录结构及介绍
当你克隆或下载cz-customizable项目后, 你会发现如下基本目录结构:
cz-customizable/
│ ├── README.md # 项目的说明文档
│ ├── package.json # Node.js项目的配置文件, 包含各种依赖和脚本
│ ├── node_modules/ # 项目的所有npm包依赖存放在此文件夹内
│ ├── lib/ # 项目的源代码文件夹
│ │ └── index.js # cz-customizable的主要逻辑入口文件
│ ├── tests/ # 测试文件存放的位置
│ ├── .cz-config.js # cz-customizable的配置文件, 可以自定义Git Commit的类型、作用域以及字段规则
│ ├── CHANGELOG.md # 项目变更日志
│ ├── LICENSE # 许可证信息
│ └── .gitignore # Git忽略规则文件
README.md: 此处包含了关于项目的基本信息, 包括安装、使用指南以及贡献者的信息.
.cz-config.js: 这个文件负责设置cz-customizable的行为. 你可以自定义Commit的模板, 提供一套自定义的类型列表以及其他相关信息.
lib/index.js: 这里是cz-customizable的核心文件, 处理所有有关生成规范化的Commit Message的业务逻辑.
项目的启动文件介绍
通常来说, cz-customizable并不需要单独的“启动”过程. 它通过集成进commitizen框架成为你的项目的一部分, 或者作为一个独立的命令行工具使用.
然而, 当我们谈论“启动”时, 实际上是在指代将cz-customizable作为commitizen的一个插件进行初始化的过程:
步骤1: 全局安装commitizen(如果尚未完成)
$ npm install -g commitizen
步骤2: 在你的项目中安装cz-customizable
$ cd your-project
$ npm install cz-customizable --save-dev
步骤3: 更新你的package.json文件, 来指定cz-customizable作为你的默认cz配置:
{
"config": {
"commitizen": {
"path": "./node_modules/cz-customizable"
}
},
"scripts": {
"commit": "git-cz"
}
}
这样, 每当你要创建一个新的commit时, 即便使用的是简单的git commit, cz-customizable都会自动介入并引导你输入规范化的commit信息.
项目的配置文件介绍
.cz-config.js是cz-customizable的关键配置文件, 在这里你能够调整规范化的commit模版, 包括设置可用的类型、作用域以及是否启用某些特定的功能.
一份示例配置可能如下所示:
module.exports = {
"types": [
{value: 'feat', name: 'feat: (new feature for the user, involving breaking or non-breaking change)'},
{value: 'fix', name: 'fix: (bug fix for the user, involving breaking or non-breaking change)'}
// 更多类型...
],
"scopes": ["core", "docs", "examples", null], // 可选的作用域, 其中的null表示不选用任何作用域.
"allowCustomScopes": true,
"questions": [
"type",
"scope",
"subject",
"isBreaking",
"body",
"issues",
],
};
在这份配置中, 你可以看到定义了两种不同的类型("feat" 和 "fix"), 并且提供了多个作用域如"core","docs","examples". 你还可以控制是否允许自定义作用域(allowCustomScopes), 并且确定commit过程中询问用户的顺序(questions).
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00