使用reviewdog和golangci-lint进行代码审查
1、项目介绍
reviewdog/action-golangci-lint 是一个GitHub Action,用于在Pull Request中运行 golangci-lint 并使用 reviewdog 进行代码审查。golangci-lint 是一个Go语言的静态代码分析工具,而 reviewdog 则是一个自动化的代码审查工具,可以将代码分析结果反馈到GitHub的Pull Request中。
这个Action的主要功能是自动在GitHub的Pull Request中运行 golangci-lint,并将结果通过 reviewdog 反馈到Pull Request的评论中,从而帮助开发者及时发现和修复代码中的问题。
2、项目快速启动
2.1 安装和配置
首先,你需要在你的GitHub仓库中创建一个 .github/workflows 目录,并在其中创建一个 .yml 文件,例如 reviewdog.yml。
2.2 配置GitHub Action
在 reviewdog.yml 文件中添加以下内容:
name: reviewdog
on: [pull_request]
jobs:
golangci-lint:
name: runner / golangci-lint
runs-on: ubuntu-latest
steps:
- name: Check out code into the Go module directory
uses: actions/checkout@v3
with:
fetch-depth: 0
- name: golangci-lint
uses: reviewdog/action-golangci-lint@v2
2.3 运行GitHub Action
提交并推送这个配置文件到你的GitHub仓库后,每当有新的Pull Request时,GitHub Action会自动运行 golangci-lint,并通过 reviewdog 将结果反馈到Pull Request中。
3、应用案例和最佳实践
3.1 自定义 golangci-lint 配置
你可以通过 golangci_lint_flags 参数来自定义 golangci-lint 的行为。例如,如果你想使用特定的配置文件,可以在 reviewdog.yml 中添加以下内容:
- name: golangci-lint
uses: reviewdog/action-golangci-lint@v2
with:
golangci_lint_flags: "--config=.github/golangci.yml"
3.2 使用不同的 reviewdog 报告级别
你可以通过 level 参数来设置 reviewdog 的报告级别。例如,如果你想将报告级别设置为 warning,可以在 reviewdog.yml 中添加以下内容:
- name: golangci-lint
uses: reviewdog/action-golangci-lint@v2
with:
level: warning
4、典型生态项目
4.1 golangci-lint
golangci-lint 是一个Go语言的静态代码分析工具,支持多种代码检查器,如 golint、errcheck、staticcheck 等。它可以帮助开发者快速发现代码中的潜在问题。
4.2 reviewdog
reviewdog 是一个自动化的代码审查工具,可以将代码分析结果反馈到GitHub的Pull Request中。它支持多种代码分析工具,如 golangci-lint、eslint、flake8 等。
4.3 actions/checkout
actions/checkout 是一个GitHub Action,用于从GitHub仓库中检出代码。它是 reviewdog/action-golangci-lint 的基础,用于获取代码并进行分析。
通过结合这些工具,开发者可以在GitHub的Pull Request中自动进行代码审查,从而提高代码质量和开发效率。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00