conventional-changelog-recommended-bump v10 自定义预设配置指南
2025-05-28 07:27:30作者:晏闻田Solitary
conventional-changelog-recommended-bump 是一个用于根据 Git 提交历史自动推荐版本号变更的工具。在 v10 版本中,API 发生了重大变化,特别是关于自定义预设的配置方式。本文将详细介绍如何在 v10 版本中正确配置自定义预设。
新旧版本 API 对比
在 v9 版本中,开发者可以直接通过 options 对象传递完整的配置参数,包括自定义模板和解析选项。这种方式虽然直观,但灵活性不足。
v10 版本采用了更模块化的设计,通过 Bumper 类的链式调用提供了更细粒度的控制。主要变化包括:
- 移除了直接的 options 参数
- 引入了 commits()、tag() 和 bump() 方法链
- 将配置分散到各个方法中
v10 版本配置方法
要使用自定义预设,现在需要通过 Bumper 类的实例方法进行配置:
new Bumper()
.commits({
path: '...' // 指定提交路径
}, parserOpts) // 传递解析选项
.tag({
prefix: '...' // 指定标签前缀
})
.bump(whatBump) // 执行版本推荐
关键配置项详解
commits() 方法
commits() 方法接受两个参数:
-
第一个参数是 GetCommitsParams 对象,可以配置:
- path: 指定要分析的提交路径
- from: 起始提交
- to: 结束提交
-
第二个参数是 parserOpts,用于配置提交信息的解析选项,包括:
- headerPattern: 提交头部的正则模式
- breakingHeaderPattern: 破坏性变更的正则模式
- noteKeywords: 注释关键词
- revertPattern: 回退模式
tag() 方法
tag() 方法用于配置版本标签相关选项,可以传递:
- prefix: 标签前缀(适用于 monorepo 场景)
- skipUnstable: 是否跳过不稳定版本
bump() 方法
bump() 方法执行实际的版本推荐计算,可以传递 whatBump 函数来自定义推荐逻辑。
实际应用示例
以下是一个完整的配置示例,展示了如何自定义 breakingHeaderPattern:
const bumper = new Bumper();
const result = bumper
.commits(
{},
{
breakingHeaderPattern: /^(\w*)(?:\((.*)\))?!: (.*)$/ // 自定义破坏性变更模式
}
)
.tag({
prefix: 'pkg-' // 自定义标签前缀
})
.bump((commits) => {
// 自定义版本推荐逻辑
if (commits.some(commit => commit.notes.some(note => note.title === 'BREAKING CHANGE'))) {
return { level: 0 }; // 主版本
}
return { level: 1 }; // 次版本
});
迁移建议
从 v9 迁移到 v10 时,建议:
- 将原来的 options 对象拆解到各个方法中
- 特别注意 parserOpts 现在作为 commits() 的第二个参数传递
- 原来的 lernaPackage 配置可以通过 tag() 方法的 prefix 参数实现
通过这种新的配置方式,v10 版本提供了更灵活、更清晰的 API 设计,虽然迁移需要一些工作,但长期来看更易于维护和扩展。
登录后查看全文
热门项目推荐
相关项目推荐
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
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
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
暂无简介
Dart
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217