Desmos项目贡献指南与技术规范深度解析
2025-06-24 09:47:31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
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
Baichuan-M3-235BBaichuan-M3 是百川智能推出的新一代医疗增强型大型语言模型,是继 Baichuan-M2 之后的又一重要里程碑。Python00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
539
3.77 K
Ascend Extension for PyTorch
Python
347
413
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++
889
607
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
337
184
暂无简介
Dart
778
192
deepin linux kernel
C
27
11
🎉 (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
1.34 K
758
React Native鸿蒙化仓库
JavaScript
303
356
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
986
252
仓颉编译器源码及 cjdb 调试工具。
C++
154
896