trunk-action 的安装和配置教程
2025-05-18 08:17:25作者:苗圣禹Peter
项目基础介绍
trunk-action 是一个开源项目,它提供了一个GitHub Action,用于在代码提交到GitHub仓库时自动运行Trunk Code Quality,这是一个静态代码检查工具。它支持多种编程语言的代码质量检查、格式化以及代码安全问题的扫描。项目主要使用Go编程语言开发。
项目使用的关键技术和框架
本项目使用了以下关键技术和框架:
- Go:项目的主体语言,用于编写GitHub Action。
- GitHub Actions:GitHub提供的持续集成和持续部署服务。
- Trunk Code Quality:静态代码检查工具,支持多种编程语言的代码质量和安全检查。
项目安装和配置的准备工作
在开始安装和配置trunk-action之前,请确保您已经完成了以下准备工作:
- 安装了Git。
- 拥有GitHub账户并且已经创建了一个仓库。
- 熟悉基本的GitHub操作,例如提交代码、创建分支等。
安装步骤
以下是将trunk-action添加到您的GitHub项目的步骤:
-
创建一个新的GitHub仓库(如果您还没有的话)。
-
添加GitHub Action文件: 在您的GitHub仓库中,创建一个名为
.github/workflows/trunk-check.yaml的文件,用于定义工作流程。 -
配置工作流程: 在
.github/workflows/trunk-check.yaml文件中,添加以下内容:name: Pull Request on: pull_request: concurrency: group: ${{ github.head_ref || github.run_id }} cancel-in-progress: true permissions: read-all: true checks: write jobs: trunk_check: name: Trunk Code Quality Runner runs-on: ubuntu-latest steps: - name: Checkout uses: actions/checkout@v3 - name: Trunk Code Quality uses: trunk-io/trunk-action@v1 -
提交工作流程文件: 将
.github/workflows/trunk-check.yaml文件添加到您的仓库中,并提交到GitHub。 -
创建一个
.trunk目录(可选): 如果您想要自定义Trunk Code Quality的行为,可以在您的项目根目录下创建一个.trunk目录,并在其中添加一个trunk.yaml文件来配置Trunk。 -
推送更改: 将所有更改推送到您的GitHub仓库。
完成以上步骤后,每当有新的Pull Request创建或更新时,GitHub Actions就会自动运行trunk-action,检查代码质量,并在Pull Request中显示相关的注释和警告。
登录后查看全文
热门项目推荐
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
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
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
196
217
暂无简介
Dart
635
144
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++
652
276
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
245
316
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.12 K
627
仓颉编译器源码及 cjdb 调试工具。
C++
128
858
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
73
98
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
385
3.72 K