在Monorepo中为lint-staged配置多环境差异化规则
2025-05-16 06:59:44作者:柯茵沙
在大型前端项目中,Monorepo架构越来越流行,它允许我们在一个代码仓库中管理多个项目。这种架构下,每个子项目通常需要独立的代码质量检查配置。本文将以lint-staged工具为例,探讨如何在Monorepo中实现不同Git钩子下的差异化配置。
Monorepo中的lint-staged配置挑战
在Monorepo环境下,常见的做法是在每个子项目中放置独立的.lintstagedrc.json配置文件。当使用pre-commit钩子时,这种配置方式工作良好,因为lint-staged会自动发现并应用各个子项目中的配置文件。
然而,当我们需要为pre-push钩子创建不同的检查规则时,问题就出现了。例如,开发者可能希望在提交时运行快速检查,而在推送时执行更全面的检查。默认情况下,lint-staged会使用相同的配置文件,无法区分不同Git钩子的场景。
解决方案:动态JS配置
lint-staged不仅支持JSON格式的静态配置,还支持JavaScript格式的动态配置。这为我们提供了实现差异化配置的可能性。我们可以:
- 将
.lintstagedrc.json转换为.lintstagedrc.js文件 - 在JS配置中根据环境变量或其他条件返回不同的配置对象
// .lintstagedrc.js
module.exports = process.env.LINT_MODE === 'push'
? {
// pre-push钩子的配置
'*.js': ['eslint --fix', 'prettier --write']
}
: {
// pre-commit钩子的默认配置
'*.js': ['eslint --fix']
}
实际应用示例
在项目实践中,我们可以这样设置Git钩子:
- 在
.husky/pre-commit中保持原有配置:
npm exec -- lint-staged
- 在
.husky/pre-push中设置环境变量后运行:
LINT_MODE=push npm exec -- lint-staged --diff="origin/develop...$(git rev-parse --abbrev-ref HEAD)"
这种方案既保持了Monorepo中各个子项目的配置独立性,又实现了不同Git钩子下的差异化检查策略。
进阶建议
对于更复杂的场景,还可以考虑以下优化:
- 将公共配置提取到单独模块,避免重复
- 根据修改文件的范围自动调整检查严格程度
- 结合CI环境变量,实现本地与CI环境的差异化配置
通过灵活的JS配置,我们可以为Monorepo中的每个子项目创建精细化的代码质量检查策略,满足不同开发阶段的需求。
登录后查看全文
热门项目推荐
相关项目推荐
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
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
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
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
deepin linux kernel
C
24
8
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++
654
279
暂无简介
Dart
637
145
Ascend Extension for PyTorch
Python
199
219
仓颉编译器源码及 cjdb 调试工具。
C++
128
860
React Native鸿蒙化仓库
JavaScript
246
316
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
213
🎉 (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
1.12 K
630
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
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
76
100