conventional-changelog-recommended-bump v10 自定义预设配置指南
2025-05-28 01:36:52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
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 StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
Ascend Extension for PyTorch
Python
649
796
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
434
395
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++
1.01 K
1.01 K
Claude 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 Started
Rust
1.25 K
153
deepin linux kernel
C
30
16
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
146
237
暂无简介
Dart
986
253
昇腾LLM分布式训练框架
Python
167
200
🎉 (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
1.68 K
990