pre-commit 钩子工具技术文档
2024-12-20 12:03:15作者:范靓好Udolf
安装指南
安装 gem
首先,你需要安装 pre-commit gem。可以通过以下命令进行安装:
$ gem install pre-commit
使用 Bundler
如果你使用 Bundler 来管理依赖,可以在 Gemfile 中添加以下内容:
group :development do
gem "pre-commit", require: false
gem "rubocop", require: false
end
然后,运行以下命令来配置 pre-commit 使用 Bundler:
$ git config pre-commit.ruby "bundle exec ruby"
使用 RVM
如果你使用 RVM,需要将 pre-commit 安装到 default gemset 中:
$ rvm default do gem install pre-commit
或者,你可以配置 pre-commit 使用当前的 RVM gemset:
$ git config pre-commit.ruby "rvm `rvm current` do ruby"
项目使用说明
生成 pre-commit 钩子
在 Git 仓库中,运行以下命令生成一个 pre-commit 钩子:
$ pre-commit install
这将在 .git/hooks/pre-commit 中创建一个脚本,该脚本会检查你的 Git 配置并运行启用的检查。
运行检查
你可以手动运行检查,有以下几种方式:
-
运行所有已添加到索引的文件:
$ pre-commit run -
运行当前目录下的所有文件:
$ pre-commit run all -
运行所有 Git 跟踪的文件:
$ pre-commit run git -
运行指定文件列表:
$ pre-commit run <file-list>
项目 API 使用文档
启用/禁用检查
你可以通过 Git 配置或 CLI 来启用或禁用检查。
Git 配置
通过以下命令启用或禁用检查:
$ git config pre-commit.checks "[whitespace, jshint, debugger]"
CLI 配置
通过 CLI 启用或禁用检查:
$ pre-commit <enable|disable> <git|yaml> <checks|warnings> check1 [check2...]
例如,将 jshint 从 checks 移动到 warnings:
$ pre-commit disable yaml checks jshint
$ pre-commit enable yaml warnings jshint
配置文件
pre-commit 支持多种配置文件,包括:
default:基本设置,只读。git:从git config pre-commit.*读取配置,允许本地更新。yaml:从/etc/pre_commit.yml、$HOME/.pre_commit.yml和config/pre_commit.yml读取配置,允许更新config/pre_commit.yml。env:从环境变量读取配置。
排除文件
你可以通过以下方式排除文件:
.gitignore:Git 支持的文件,适用于所有检出。.git/info/exclude:Git 支持的文件,仅适用于当前检出。.pre_commit.ignore:pre-commit特定的列表,可以共享。
项目安装方式
直接安装
通过以下命令直接安装 pre-commit:
$ gem install pre-commit
使用 Bundler
在 Gemfile 中添加以下内容:
group :development do
gem "pre-commit", require: false
gem "rubocop", require: false
end
然后运行:
$ bundle install
使用 RVM
将 pre-commit 安装到 default gemset 中:
$ rvm default do gem install pre-commit
或者配置 pre-commit 使用当前的 RVM gemset:
$ git config pre-commit.ruby "rvm `rvm current` do ruby"
通过以上步骤,你可以成功安装并使用 pre-commit 钩子工具。
登录后查看全文
热门项目推荐
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
Ascend Extension for PyTorch
Python
222
245
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
暂无简介
Dart
672
157
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++
661
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥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
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217