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-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00