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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00