Husky 9.1.0版本中钩子工作目录变更问题解析
2025-05-04 07:30:58作者:幸俭卉
在Git钩子管理工具Husky的最新版本9.1.0中,开发者们遇到了一个关于钩子脚本工作目录变更的兼容性问题。这个问题主要影响了跨平台开发环境中使用共享脚本的场景。
问题背景
Husky是一个流行的Git钩子管理工具,它允许开发者在项目中轻松配置Git钩子。在9.1.0版本中,Husky对内部实现进行了调整,导致钩子脚本的工作目录结构发生了变化。具体表现为:
- 旧版本中,钩子脚本位于
.husky/目录下 - 新版本中,钩子脚本被移动到了
.husky/_/子目录中
这一变更对许多项目产生了影响,特别是那些在跨平台开发环境中使用共享脚本的项目。许多开发者按照官方文档的建议,在钩子脚本中使用$(dirname -- "$0")来引用同级目录下的共享脚本(如common.sh),这种写法在新版本中会失效。
问题表现
当开发者升级到Husky 9.1.0后,可能会遇到以下错误:
.husky/_/pre-commit: 4: .: cannot open .husky/_/common.sh: No such file
这是因为脚本尝试在.husky/_/目录下寻找common.sh,而实际上该文件仍然位于.husky/根目录下。
解决方案
Husky团队在9.1.1版本中修复了这个问题,并提供了以下解决方案:
-
移除旧版兼容代码:
- 从钩子脚本中删除
#!/usr/bin/env sh行 - 删除
. "$(dirname -- "$0")/_/husky.sh"引用
- 从钩子脚本中删除
-
修改共享脚本引用方式: 对于跨平台项目中的
common.sh引用,应该直接使用:. .husky/common.sh而不是之前的相对路径引用方式。
最佳实践建议
对于使用Husky的项目,特别是跨平台开发的项目,建议:
- 升级到Husky 9.1.1或更高版本
- 检查所有钩子脚本,确保它们不包含已被弃用的路径引用方式
- 对于共享脚本,使用绝对路径引用(相对于项目根目录)
- 在Windows环境下测试钩子脚本的执行情况,确保跨平台兼容性
总结
Husky 9.1.0版本的这一变更提醒我们,在依赖工具链自动管理项目配置时,需要关注版本升级带来的潜在兼容性问题。特别是对于跨平台开发项目,任何路径相关的变更都可能影响构建流程。通过及时更新和调整配置,可以确保开发环境的稳定性和一致性。
对于使用共享脚本的项目,直接使用相对于项目根目录的绝对路径是最可靠的解决方案,这不仅能解决当前版本的问题,也能增强脚本在不同环境下的可移植性。
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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.18 K
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++
690
325
Ascend Extension for PyTorch
Python
229
258
暂无简介
Dart
679
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
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
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
346
147