在gh-dash中自定义问题分类的YAML配置技巧
2025-05-28 01:25:26作者:袁立春Spencer
gh-dash是一个优秀的GitHub命令行工具,它允许用户通过配置文件自定义Pull Request和Issue的展示方式。本文将详细介绍如何正确配置YAML文件来添加自定义问题分类。
YAML配置基础结构
gh-dash的配置文件主要包含两个核心部分:
Sections:用于定义Pull Request的展示分类issuesSections:用于定义Issue的展示分类
每个分类都需要包含title和filters两个基本字段,前者定义分类标题,后者定义筛选条件。
常见配置错误分析
在实际配置过程中,开发者经常会遇到YAML格式错误。典型的错误包括:
- 缩进不一致:YAML严格要求缩进对齐
- 列表项格式错误:每个列表项必须以
-开头,且后面必须跟一个空格 - 键值对格式错误:冒号后面必须跟一个空格
正确配置示例
以下是一个完整的正确配置示例:
Sections:
- title: 我的Pull Requests
filters: is:open author:@me
type: null
- title: 需要我审核的
filters: is:open review-requested:@me
type: null
- title: 我参与的
filters: is:open involves:@me -author:@me
type: null
issuesSections:
- title: 我的问题
filters: is:open author:@me
- title: 分配给我的
filters: is:open assignee:@me
- title: 我参与的
filters: is:open involves:@me -author:@me
- title: 重要问题
filters: is:open involves:@me label:Important
配置技巧与最佳实践
- 使用YAML验证工具:在部署前使用YAML linter验证配置文件
- 保持一致的缩进:建议使用2个空格作为缩进标准
- 注释说明:为复杂筛选条件添加注释
- 逐步测试:每次添加新分类后测试配置是否有效
高级筛选条件
gh-dash支持GitHub的所有高级搜索语法,例如:
- 按标签筛选:
label:bug - 排除特定条件:
-label:wontfix - 组合条件:
is:open label:enhancement assignee:@me
通过掌握这些配置技巧,开发者可以充分发挥gh-dash的潜力,打造个性化的GitHub工作流视图。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0194
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0121
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook06
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
766
4.99 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.94 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
686
1.34 K
Ascend Extension for PyTorch
Python
721
892
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.08 K
1.1 K
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
458
445
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.01 K
262
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
253
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1 K
617