Desmos项目贡献指南与技术规范深度解析
2025-06-24 09:29:50作者:田桥桑Industrious
前言
Desmos作为一个基于区块链技术的社交网络协议,其开发过程遵循严谨的技术规范和协作流程。本文将深入剖析Desmos项目的技术贡献体系,帮助开发者理解其架构决策、代码提交流程、测试规范等核心要素。
架构决策记录(ADR)机制
Desmos采用架构决策记录(Architecture Decision Records)来管理重大技术决策。这一机制确保所有架构变更都经过充分讨论和文档化。
ADR流程要点
- 建议阶段:任何架构变更都应先在社区发起讨论,通过issue或discussion形式征集意见
- 共识形成:当高层设计方向达成初步一致后,方可启动ADR编写流程
- 文档规范:ADR需按照标准模板编写,包含背景、决策、状态等核心章节
该流程有效避免了过早编码导致的资源浪费,确保各方对技术路线达成共识后再投入开发。
代码提交规范
Pull Request管理
Desmos对代码合并请求有严格规范:
- 分类前缀:PR标题必须包含类型前缀,如
fix:、feat:、refactor:等,遵循Conventional Commits规范 - 单一职责:每个PR应只解决一个特定问题,保持变更集的原子性
- 模板选择:根据变更类型选择对应PR模板(默认、文档或其他)
代码审查流程
- 双重审查:生产代码变更需至少两位核心开发者批准
- 审查等级:
LGTM表示表面审查通过Approval表示已完成部分或全部审查清单项
- 责任划分:审查者需对代码质量、安全性、命名一致性等负责
开发环境配置
依赖管理
项目采用Go 1.14 Modules管理依赖:
- 主分支应始终保持
go get可用状态 - 依赖冲突时可使用
go mod tidy -v解决
Protobuf工具链
Desmos使用容器化Protobuf工具链确保环境一致性:
make proto-format:格式化.proto文件make proto-lint:静态检查make proto-check-breaking:检查破坏性变更make proto-gen:生成桩代码
开发者需配置IDE的protobuf路径以支持自动补全。
测试规范
测试执行
- 顶层目录执行
make test运行全部测试 - 避免使用
t.Skip或t.Fail,优先使用require/assert
表驱动测试
对于多输入场景,推荐使用表驱动测试模式。错误信息应遵循特定格式:
<描述>, tc #<测试用例索引>, i #<迭代索引>
示例:
require.Equal(t, expected, actual,
"交易哈希不匹配, tc #%d, i #%d", tcIndex, i)
分支模型与发布流程
主干开发模型
Desmos采用trunk-based开发模型:
master分支代表最新开发状态- 禁止强制推送master(回滚除外)
- 开发前需基于master创建特性分支
发布流程详解
-
候选版本:
- 从master创建
rc/v*分支 - 更新CHANGELOG.md并验证链接
- 进行大规模模拟测试(如400种子/2000区块)
- 从master创建
-
正式发布:
- 通过测试后创建
release/vX.X.X分支 - 打标签并创建GitHub Release
- 删除RC分支
- 通过测试后创建
-
补丁发布:
- 维护
release/vX.X.N分支接收补丁 - 需明确标注影响范围和回归风险
- 维护
代码所有权机制
项目通过CODEOWNERS文件管理代码权限:
- 定期(双月)评估新成员资格
- 新增代码所有者需现有成员一致同意
- 权限变更通过PR流程公开记录
最佳实践建议
-
开发准备:
- 配置pre-commit钩子自动格式化代码
- 运行
make lint-fix确保代码规范
-
文档更新:
- 代码变更需同步更新相关文档
- 遵循文档写作规范
-
协作建议:
- 早期提交Draft PR获取反馈
- 复杂功能先讨论再实现
- 保持提交历史的清晰性
通过遵循这些规范,开发者可以高效地参与Desmos项目贡献,同时确保代码库的质量和可维护性。
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
315
2.74 K
deepin linux kernel
C
24
7
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++
639
246
仓颉编译器源码及 cjdb 调试工具。
C++
124
852
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
470
Ascend Extension for PyTorch
Python
155
178
暂无简介
Dart
606
136
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
240
85
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
364
3.02 K
React Native鸿蒙化仓库
JavaScript
238
310