Hg-Git Mercurial 插件技术文档
1. 安装指南
依赖项
Hg-Git 插件完全使用 Python 实现,因此不需要 Git 二进制依赖项,也不需要在系统上安装 Git。唯一的依赖项是 Mercurial 和 Dulwich。请查看 Makefile 文件以了解已知兼容的 Mercurial 版本,以及 setup.py 文件以了解所需的 Dulwich 版本。
安装步骤
-
克隆 Hg-Git 仓库到本地:
hg clone https://bitbucket.org/durin42/hg-git -
在
~/.hgrc文件中添加 Hg-Git 插件的扩展配置:[extensions] hggit = /path/to/hg-git/hggit -
确保 Mercurial 和 Dulwich 的版本符合要求。
2. 项目使用说明
从 Git 仓库克隆到 Hg
你可以通过运行以下命令从 Hg 克隆一个 Git 仓库:
hg clone <url> [dest]
例如:
hg clone git://github.com/schacon/hg-git.git
从 Hg 仓库推送到 Git
如果你从一个现有的 Hg 仓库开始,你需要在某个你有推送权限的地方设置一个 Git 仓库,并在 .hg/hgrc 文件中为它添加一个路径条目,然后从你的仓库中运行 hg push [name]。例如:
cd hg-git # (一个 Hg 仓库)
# 编辑 .hg/hgrc 并在 paths 部分添加目标 git url
hg push
拉取更新
你可以使用 hg pull 命令从 Git 仓库拉取更新:
hg pull
将 Mercurial 仓库转换为 Git 仓库
你可以使用以下命令将 Mercurial 仓库转换为 Git 仓库:
mkdir git-repo; cd git-repo; git init; cd ..
cd hg-repo
hg bookmarks hg
hg push ../git-repo
3. 项目 API 使用文档
命令
- gclear: 待完成
- gimport: 待完成
- gexport: 待完成
- git-cleanup: 待完成
Hg 书签集成
Hg-Git 会将你的书签推送到 Git 服务器作为分支,并从 Git 分支拉取并设置为书签。
4. 项目安装方式
配置
-
git.intree: 默认情况下,Hg-Git 会在本地 Mercurial 仓库的子目录
git中保留一个 Git 仓库克隆。如果你希望这个 Git 克隆与 Mercurial 仓库在同一级别(命名为.git),请在hgrc中添加以下配置:[git] intree = True -
git.authors: 如果你希望自定义作者名称转换,可以在
hgrc中添加git.authors选项,并指定一个作者翻译文件。 -
git.branch_bookmark_suffix: 如果你希望在书签名称中添加后缀以便与分支名称区分,可以在
hgrc中添加branch_bookmark_suffix选项。 -
git.mindate: 如果你希望忽略某些旧的分支,可以设置
git.mindate选项。 -
git.similarity: 指定文件修改的相似度以识别重命名或复制操作。
-
git.renamelimit: 指定在执行复制/重命名检测时要考虑的文件数量。
-
git.findcopiesharder: 是否考虑未修改的文件作为复制源。
通过以上配置,你可以根据项目需求自定义 Hg-Git 的行为。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust013
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00