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