Changesets Release Action 开源项目教程
1. 项目介绍
Changesets Release Action 是一个GitHub Action,用于自动化管理你的Changesets版本发布。它可以帮助你创建包含所有更新包版本的pull request,并更新changelog。当你的配置的baseBranch上有新的changesets时,该PR将会被更新。一旦PR被合并,你可以手动发布包到npm,或者设置action自动完成发布。
2. 项目快速启动
以下是一个基本的示例,说明如何将Changesets Release Action集成到你的GitHub仓库中。
首先,在你的GitHub仓库中创建一个.github/workflows/release.yml文件,并添加以下内容:
name: Release
on:
push:
branches:
- main
jobs:
release:
name: Release
runs-on: ubuntu-latest
steps:
- name: Checkout Repo
uses: actions/checkout@v3
- name: Setup Node.js
uses: actions/setup-node@v3
with:
node-version: '14'
- name: Install Dependencies
run: yarn
- name: Create Release Pull Request
uses: changesets/action@v1
env:
GITHUB_TOKEN: ${{ secrets.GITHUB_TOKEN }}
这个工作流将在每次向main分支推送代码时触发。
3. 应用案例和最佳实践
案例一:自动化发布
如果你希望Changesets Action在合并PR后自动发布包到npm,你需要设置一个npm token。首先,在GitHub仓库的Settings -> Secrets中添加一个名为NPM_TOKEN的秘密,值为你的npm账号的token。
然后,更新你的.github/workflows/release.yml文件,以包括发布步骤:
- name: Create Release Pull Request or Publish to npm
id: changesets
uses: changesets/action@v1
with:
publish: yarn publish
env:
GITHUB_TOKEN: ${{ secrets.GITHUB_TOKEN }}
NPM_TOKEN: ${{ secrets.NPM_TOKEN }}
这样配置后,每当合并PR时,Changesets Action将会自动发布更新后的包。
案例二:自定义发布逻辑
如果你有自定义的发布逻辑,你可以在工作流中添加自定义步骤来处理发布。例如:
- name: Publish
if: steps.changesets.outputs.hasChangesets == 'false'
run: yarn publish --new-version ${{ steps.changesets.outputs.nextVersion }}
这里,我们使用了Changesets Action的输出nextVersion来指定发布的新版本。
4. 典型生态项目
Changesets Release Action适用于任何使用Changesets来管理版本的项目。以下是一些可能使用此Action的典型生态项目:
- 任何需要自动化版本发布流程的开源项目。
- 项目拥有多个包,并且需要保持版本一致性的项目。
- 需要与GitHub Actions集成,实现持续集成和持续部署(CI/CD)的项目。
通过集成Changesets Release Action,这些项目可以简化发布流程,减少手动操作,从而提高开发效率。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00