Release Please 使用教程
1. 项目介绍
Release Please 是一个由 Google 开源的项目,旨在自动化生成 CHANGELOG、创建 GitHub 发布版本以及为项目进行版本号更新。它通过解析 Git 历史记录中的 Conventional Commit 消息来实现这些功能。Release Please 不会处理包管理器的发布或复杂的分支管理,而是专注于维护 Release PRs(Pull Requests),这些 PRs 会在合并时自动更新 CHANGELOG 文件、版本号,并创建 GitHub 发布版本。
2. 项目快速启动
2.1 安装 Release Please
首先,确保你已经安装了 Node.js 和 npm。然后,通过 npm 安装 release-please:
npm install release-please --save-dev
2.2 配置 Release Please
在你的项目根目录下创建一个 release-please-config.json 文件,并添加以下内容:
{
"release-type": "node",
"packages": {
"path/to/your/package": {
"release-type": "node"
}
}
}
2.3 创建 GitHub Action
在你的项目中创建一个 .github/workflows/release-please.yml 文件,并添加以下内容:
name: Release Please
on:
push:
branches:
- main
jobs:
release-please:
runs-on: ubuntu-latest
steps:
- uses: google-github-actions/release-please-action@v4
with:
token: ${{ secrets.GITHUB_TOKEN }}
config-file: release-please-config.json
2.4 提交并推送
提交你的更改并推送到 GitHub:
git add .
git commit -m "chore: setup release-please"
git push origin main
3. 应用案例和最佳实践
3.1 自动化版本发布
Release Please 可以帮助你自动化版本发布流程。每次你合并一个带有 Conventional Commit 消息的 PR 时,Release Please 会自动创建一个新的 Release PR,并在合并时更新 CHANGELOG 和版本号。
3.2 多包管理
如果你的项目包含多个包(例如 monorepo),你可以在 release-please-config.json 中为每个包配置不同的发布策略。
{
"release-type": "node",
"packages": {
"path/to/package1": {
"release-type": "node"
},
"path/to/package2": {
"release-type": "python"
}
}
}
3.3 自定义发布流程
你可以通过配置 release-please-config.json 来定制发布流程,例如指定不同的发布类型、路径等。
4. 典型生态项目
4.1 Google Cloud SDK
Google Cloud SDK 使用 Release Please 来自动化其版本发布流程,确保每次更新都能及时发布到 GitHub 并更新相关文档。
4.2 Angular
Angular 项目也采用了 Release Please 来管理其版本发布,确保每次新功能的发布都能自动生成 CHANGELOG 和版本号。
4.3 TensorFlow
TensorFlow 使用 Release Please 来管理其多个子项目的版本发布,确保每个子项目都能独立发布并更新版本号。
通过以上步骤,你可以轻松地将 Release Please 集成到你的项目中,实现自动化版本发布和管理。
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
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust013
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
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00