AutoGPT 文档贡献指南:GitBook 同步机制、本地编辑与新增文档页面的完整流程
本文围绕 AutoGPT 仓库中 docs/content/contribute/index.md 的官方文档贡献说明展开,讲清楚 AutoGPT 文档「GitBook 托管 + GitHub 同步」的运作机制,覆盖本地克隆编辑、预览、新增页面并挂载到 SUMMARY.md 导航、以及提交 Pull Request 的完整实战流程。读完后,你可以独立完成一次 AutoGPT 文档的修改、新增页面并规范地提交 PR。
文档托管机制:GitBook 与 GitHub 双向同步
AutoGPT 的官方文档托管在 GitBook 上,并通过自动同步与 GitHub 仓库保持一致。根据 官方贡献文档,这套机制的三个关键事实是:
- 文档源码存放在仓库的
docs/目录中,位于gitbook分支上; - GitBook 会自动从 GitHub 同步变更,无需手动发布操作;
- 修改入口有两种:直接在 GitHub 网页端编辑,或克隆到本地修改。
从仓库当前结构可以印证这一说法:docs/ 目录下除了 content/(对应 classic、forge、challenges 等历史文档内容)外,还包含 docs/home/README.md、docs/platform/ 与 docs/integrations/ 等子目录,各子目录均配有独立的 SUMMARY.md 导航文件,这正是 GitBook 以目录结构组织书籍(Book)的典型布局。
![AutoGPT 文档主页截图,展示 Platform、Integrations、Contribute 三大文档板块]
说明:仓库内并未附带文档站运行截图类资源,此处不插入图片;本文所有事实均以
docs/目录下的 Markdown 源文件为准。
本地编辑文档的完整步骤
官方文档给出的本地编辑流程分为四步,可完整复制执行:
1. 克隆仓库并切换到 gitbook 分支
git clone <AutoGPT 仓库地址>.git
cd AutoGPT
git checkout gitbook
注意 git checkout gitbook 这一步:文档源文件所在的不是默认分支,而是 gitbook 分支。如果直接在默认分支上修改 docs/,改动不会进入 GitBook 的同步链路。
2. 修改 docs/ 下的 Markdown 文件
对 docs/ 目录中任意 Markdown 文件进行修改即可。修改时建议遵循仓库内置的文档写作规范:
- docs/AGENTS.md 定义了「区块文档手册章节(Block Documentation Manual Sections)」的写法规范,适用于
docs/integrations/下带<!-- MANUAL: ... -->标记的区块文档:- How It Works 章节:用 1-2 段技术性描述说明区块处理逻辑,提及校验、错误处理与边界情况,必要时用反引号给出输入输出示例(如
[[1, 2], [3, 4]]变为[1, 2, 3, 4]); - Use Case 章节:给出 3 个实用场景,格式为「加粗标题: 一句话描述」;
- 风格要求:描述简洁、面向行动、聚焦真实场景、术语与其他区块保持一致、避免不必要的技术黑话。
- How It Works 章节:用 1-2 段技术性描述说明区块处理逻辑,提及校验、错误处理与边界情况,必要时用反引号给出输入输出示例(如
- 根目录 CLAUDE.md 与 docs/CLAUDE.md 通过
@AGENTS.md引用方式把上述规范接入 AI 辅助编辑链路,说明该规范在仓库内被当作正式约束使用。
3. 预览修改效果
官方文档提供两种预览方式:
- 推送分支并创建 PR——GitBook 会为 PR 生成预览版本;
- 本地使用任意 Markdown 预览工具查看。
4. 提交指向 gitbook 分支的 Pull Request
完成修改后,创建目标分支为 gitbook 的 Pull Request,维护者会审核后按需合并。
新增文档页面的三步操作
向文档站新增一个页面时,官方流程要求完成三个动作,缺一不可:
- 在合适的
docs/子目录中创建新的 Markdown 文件; - 将新页面加入相应的
SUMMARY.md文件,使其出现在导航中; - 向
gitbook分支提交 Pull Request。
其中第 2 步是新手最容易遗漏的环节。GitBook 的书籍导航完全由 SUMMARY.md 驱动:一个 Markdown 文件即使存在于 docs/ 中,若没有出现在任何 SUMMARY.md 的目录树里,就不会在文档站的侧边导航中显示。仓库中现存三处导航文件可作为参考样例:
- docs/home/SUMMARY.md:最简形态,仅一行目录项,指向 docs/home/README.md(「Developer Platform」首页);
- docs/platform/SUMMARY.md:Platform 文档板块的导航;
- docs/integrations/SUMMARY.md:集成(Integrations)文档板块的导航。
新增条目时,SUMMARY.md 中的链接是相对于该 SUMMARY.md 自身位置的局部相对路径(例如 docs/home/SUMMARY.md 中写的是 README.md)。编写新条目时保持同样的局部相对写法即可——这是 GitBook 源文件内部的规范,与对外发布文章时的根目录路径写法是两回事。
从 docs/home/README.md 的页面内容看,文档站首页以卡片形式组织了 AutoGPT Platform、Integrations、Contribute 三大入口,并附带 GitBook 专有的 frontmatter(cover、layout、pagination 等字段)与 {% columns %} 等 GitBook 宏语法。这说明文档源文件是「GitBook 风味」的 Markdown:普通 CommonMark 内容可以正常使用,但涉及页面布局时应遵循 GitBook 语法约定。
与代码贡献规范的衔接
文档贡献属于项目整体贡献流程的一部分,以下几点来自仓库根目录的配套文件,提交文档 PR 前值得了解:
- 总览:CONTRIBUTING.md 给出了项目贡献总原则——避免重复工作、大改动先开 Draft PR、提交前自测、不引入与个人偏好相关的无关改动等。需要特别留意的是其中的 CLA 说明:对
autogpt_platform目录的贡献受 贡献者许可协议.md) 约束,其他目录(包括docs/)的贡献则处于 MIT 许可之下。 - PR 模板:.github/PULL_REQUEST_TEMPLATE.md 要求所有 PR(文档 PR 同样适用)按「Why / What / How」结构说明背景、改动与实现方式,并附改动清单与测试计划清单。
- 代码属主:.github/CODEOWNERS 规定仓库默认由
@Significant-Gravitas/maintainers团队审核,.github/workflows/归 devops 团队、classic/各子目录归各自维护团队——文档 PR 提交后会自动请求对应维护者审核。 - 配套写作规范:修改集成文档(如
docs/integrations/下的区块文档)时,务必对照 docs/AGENTS.md 的 MANUAL 章节格式,保持与自动生成/半自动维护内容的兼容性。
提交前自检清单
在发起指向 gitbook 分支的 PR 之前,建议按以下清单核对:
- 改动发生在
gitbook分支基线上,且只修改了docs/下预期文件; - 新增页面已写入对应目录的
SUMMARY.md导航,且链接为相对于该SUMMARY.md的局部路径、目标文件确实存在; - 图片等资源的引用路径与 GitBook 源文件位置匹配(仓库文档中资源引用形如
.gitbook/assets/xxx.png,需相对文档所在位置写对); - 涉及
docs/integrations/区块文档时,MANUAL 章节格式符合 docs/AGENTS.md 规范; - PR 描述遵循 Why / What / How 模板 并列出全部改动文件。
满足以上条件后推送分支创建 PR,GitBook 即会基于 PR 生成预览,维护者审核通过后合并,文档变更随同步链路自动发布到线上文档站。
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 StartedRust0624
Hy4-previewHy4 preview 是由腾讯混元团队研发的新一代混合专家(MoE)旗舰模型。模型总参数量 770B,每个 token 激活 49B,主干共包含78层,第一层采用标准 FFN,其余 77 层均为 MoE 结构,每层包含 256 个路由专家与 1 个共享专家,每个 token 激活 top-8 路由专家及共享专家。主干之外原生内置 1 层 MTP(总参数量 10B,激活 0.7B)以支持投机解码。Python00
GLM-5.3GLM-5.3 与 GLM-5.2 使用相同的基座模型——所有提升均来自后训练。与 GLM-5.2 相比,它在复杂编程和长程任务上的表现显著提升。Jinja00
GLM-5.3-FlashGLM-5.3-Flash (320B-A18B),是GLM-5系列的首个原生多模态模型。320B总参数,能力超过GLM-5.2Jinja00
Spark-X2.5-4BSpark-X2.5-4B 旨在让强大的 AI 更实用、更高效、更易获得。在广泛日常任务中表现强劲,涵盖对话、写作、翻译、推理、编码、工具调用以及智能体工作流,并在同等规模的开源模型中取得领先成绩。Spark-X2.5 将面向效率的架构与最高 1M tokens 的原生上下文窗口相结合,并支持 200 多种语言。Python00
Spark-X2.5-1.7BSpark-X2.5-1.7B 旨在让强大的 AI 更加实用、高效且易于获取。这些模型在广泛的日常任务中表现出色,涵盖对话、写作、翻译、推理、编程、工具调用和智能体工作流,并在同等规模的开源模型中取得领先结果。Spark-X2.5 将面向效率的架构与最高 1M tokens 的原生上下文窗口相结合,并支持 200 多种语言。Python00