🚀 Git提交信息生成器(推理版本)
這是一款由人工智能驅動的工具,它能將你的代碼差異轉化為清晰、有意義且附帶詳細推理過程的提交信息。該推理版本部署在Hugging Face上,不僅會生成提交信息,還會解釋背後的思考過程,讓你的提交歷史更加透明和有價值。
注意:這是Git提交信息生成器的推理版本。若你想了解其他版本(如草稿鏈版本或標準版本),請查看我的Ollama倉庫以獲取更多詳情。
測試版狀態:此版本目前處於測試階段,你的反饋對進一步完善它至關重要!
📦 數據集與指標
屬性 |
詳情 |
數據集 |
Tavernari/git-commit-message-dt |
評估指標 |
準確率 |
任務類型 |
摘要生成 |
標籤 |
git、commit、message |
🚀 快速開始
輸出格式
模型以結構化格式輸出兩個主要部分:
- 推理過程:詳細分析代碼差異中的更改內容以及生成提交信息的邏輯。
- 提交信息:對更改內容的簡潔總結,隨後是更詳細的描述。
輸出示例:
<reasoning>
差異顯示 `WalletManagerView.swift` 文件有更改。最顯著的更改是新增了一個 `@State` 變量 `monthlySpentGoal`,並對現有函數和狀態變量進行了修改。`monthlySpentGoal` 現在在多個地方被使用,例如在 `onSave` 閉包和 `hasChanges` 函數中。這些更改的目的是添加一個新功能,允許用戶為他們的錢包設置每月消費目標,該目標可以與其他錢包信息一起更新和保存。
更改內容包括:
- 新增 `@State` 變量 `monthlySpentGoal`。
- 更新 `onSave` 閉包以包含 `monthlySpentGoal`。
- 在 `hasChanges` 函數中使用 `monthlySpentGoal` 來判斷錢包的消費目標是否發生變化。
- 新增使用 `monthlySpentGoal` 的 `WalletGoalSpentSection` 部分。
- 更新 `onSetAsMain` 函數以使用 `monthlySpentGoal`。
</reasoning>
為 WalletManagerView 添加每月消費目標功能
此提交為 `WalletManagerView` 添加了一個新的 `@State` 變量 `monthlySpentGoal`,並更新了 `onSave` 閉包和相關函數以包含和使用該變量。此功能允許用戶為他們的錢包設置和保存每月消費目標,增強了錢包管理功能。
這種格式既說明了更改的原因(“為什麼”),又說明了更改的內容(“是什麼”),提高了信息的清晰度和上下文關聯性。
💻 使用示例
基礎用法
你可以通過以下兩種方式與模型進行交互:
1. 網頁界面
2. API 集成
使用 Hugging Face 推理 API 將模型集成到你的工作流程中。以下是 Python 示例代碼:
import requests
API_URL = "https://api-inference.huggingface.co/models/Tavernari/git-commit-message"
headers = {"Authorization": "Bearer YOUR_HF_TOKEN"}
def query(payload):
response = requests.post(API_URL, headers=headers, json=payload)
return response.json()
diff = """
diff --git a/file1.py b/file1.py
index 83db48f..bf2a9a2 100644
--- a/file1.py
+++ b/file1.py
@@ -1,3 +1,4 @@
def hello():
print("Hello, world!")
+ print("Welcome to AI commit messages!")
"""
output = query({"inputs": diff})
print(output)
請將 YOUR_HF_TOKEN
替換為你的 Hugging Face API 令牌。響應將同時包含推理過程和提交信息。
高級用法
最佳實踐提示
- 清晰的差異:使用小而聚焦的代碼差異,以獲得更準確的提交信息。
- 正確的格式:確保你的代碼差異格式正確,以便模型能夠正確解析。
- 輸出處理:使用 API 時,根據需要解析響應,分離推理過程和提交信息。
📦 安裝 git-gen-commit
(可選)
若你想在命令行中使用該功能,可以安裝 git-gen-commit
腳本,它可以根據你的代碼差異生成提交信息。
免責聲明:git-gen-commit
腳本使用的是 Ollama API,而非 Hugging Face 模型。其結果可能與本推理版本有所不同。更多詳情,請訪問我的 Ollama 倉庫。
安裝(macOS/Linux)
運行以下命令全局安裝 git-gen-commit
:
sudo sh -c 'curl -L https://gist.githubusercontent.com/Tavernari/b88680e71c281cfcdd38f46bdb164fee/raw/git-gen-commit \
-o /usr/local/bin/git-gen-commit && chmod +x /usr/local/bin/git-gen-commit'
使用方法
安裝完成後,運行以下命令:
git gen-commit
這將分析你當前的代碼差異,並通過 Ollama API 生成提交信息。
🤝 反饋與貢獻
這是一個社區驅動的項目,你的參與對其發展至關重要!
- 反饋:請使用社區板塊提供反饋。
- 支持:如果你想支持這個充滿熱情的項目,可以考慮進行捐贈:請我喝杯咖啡 ☕️。
⚠️ 免責聲明
此工具仍在不斷發展中。提交前,請仔細檢查生成的提交信息的準確性。
📞 聯繫我們
我很樂意聽取你的意見!你可以通過以下方式與我聯繫:
- 領英
- GitHub
- 推特
- 郵箱:victortavernari+gitcommitmessage@gmail.com
讓我們攜手共進,讓基於人工智能的開發變得更加出色!