conventional-changelog项目v10版本自定义预设配置指南
2025-05-28 11:11:11作者:薛曦旖Francesca
conventional-changelog是一个流行的生成变更日志的工具,它遵循约定式提交规范。在v10版本中,该工具的推荐版本号提升功能(conventional-recommended-bump)经历了重大重构,导致许多开发者对如何配置自定义预设感到困惑。
版本差异对比
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,包括自定义解析选项和预设模板。这种方式虽然直观,但存在配置项耦合度高的问题。
v10版本采用了更模块化的设计,通过Bumper类的链式调用方式分离了不同功能的配置。这种变化虽然提高了灵活性,但也带来了学习曲线。
v10版本配置方法
要使用自定义预设,现在需要通过Bumper类的实例方法进行链式配置:
- 初始化Bumper实例:首先创建Bumper类的实例
- 配置commits获取:使用commits()方法配置提交记录获取参数和解析选项
- 配置tag处理:使用tag()方法配置标签相关参数
- 执行bump操作:最后调用bump()方法执行版本号提升计算
实际配置示例
假设我们需要在Angular预设基础上自定义breakingHeaderPattern,可以这样实现:
const bumper = new Bumper()
.commits(
{
path: '项目路径', // 可选参数
},
{
breakingHeaderPattern: /自定义的正则表达式/ // 覆盖解析选项
}
)
.tag({
prefix: '自定义前缀' // 适用于monorepo场景
})
.bump(whatBump); // whatBump是自定义的版本提升规则
配置参数详解
-
commits方法:
- 第一个参数:控制提交记录获取行为
- path:指定获取提交记录的路径
- 第二个参数:覆盖解析选项
- 可以覆盖预设中的parserOpts配置
- 第一个参数:控制提交记录获取行为
-
tag方法:
- 可以传递字符串直接指定标签
- 也可以通过对象配置标签获取行为
- prefix:指定标签前缀,常用于monorepo场景
-
bump方法:
- 接受whatBump函数,用于自定义版本提升规则
- 如果不提供,则使用预设中的默认规则
最佳实践建议
- 对于简单的自定义需求,优先考虑覆盖特定解析选项而非完全自定义预设
- 在monorepo场景下,合理使用tag()方法的prefix参数
- 保持whatBump函数的简洁性,复杂的逻辑应该放在预设中定义
- 考虑将常用配置封装为工厂函数,提高代码复用性
通过理解v10版本的设计理念和掌握新的配置方法,开发者可以更灵活地使用conventional-changelog工具,同时享受模块化设计带来的维护性优势。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
热门内容推荐
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
453
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++
893
676
暂无简介
Dart
802
199
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
350
203
昇腾LLM分布式训练框架
Python
118
147
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
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (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
1.37 K
781