自动生成 Conventional Changelog:用 AI 提炼 Git 提交记录的提示词链

用Codex自动生成Git规范提交信息:从diff到Conventional Commits 在代码协作中,Git提交信息是开发过程的重要文档,而Conventional Commits规范为提交信息提供了清晰的结构,让历史记录既便于人工阅读,也能被工具自动解析。然而,很多开发者面对git diff时难以快速写出符合规范的commit message。借助AI助手Codex,可以将未提交的diff通过管道送入命令行,由模型自动生成type、scope和subject,再经人工确认后提交。本文从环境准备、核心命令、提示词迭代到常见报错排查,完整介绍了这一工作流,并给出与git add -p、commi 阅读详情

自动生成 Conventional Changelog:用 AI 提炼 Git 提交记录的提示词链

封面信息图

在开源项目和商业化系统软件的交付流程中,每一次版本发布(Release)前编写一份清晰、专业、分类明确的 更新日志(Changelog) 是必不可少的工程环节。

然而,在经历了一周密集的开发后,Git 提交历史中往往充斥着几十条琐碎的提交记录(如 fix typo, wip parser, refactor error types, add test)。如果纯靠人工一条条比对并分类整理成符合社区标准的 CHANGELOG.md,通常要耗费半个多小时。

为了彻底解放这一重复性劳动,我设计了一套基于 Git Log 管道与大模型提示词链(Prompt Chain) 的自动化更新日志生成工作流。今天把这套脚本与提示词工程模板完整分享出来。


1. 结构化输入:提取规范的 Git 日志流

首先,我们需要从 Git 仓库中提取出从上一个 Tag 到当前 HEAD 之间的所有提交信息。

使用带有特定格式的 git log 命令:

# 提取自 v0.1.0 标签以来的结构化提交(哈希、作者、提交主题、提交内容)
git log v0.1.0..HEAD --pretty=format:"* %h - %s (%an)" --no-merges

输出的原始日志样本:

* a1b2c3d - feat(tcp): 实现基于滑动窗口的乱序重组状态机 (陈一铭)
* e4f5g6h - fix(capture): 解决 macOS 下网卡混杂模式超时未生效问题 (陈一铭)
* 7890abc - perf(wasm): 使用 serde-wasm-bindgen 替代旧版 json 序列化 (陈一铭)
* d1e2f3a - docs: 补充 TCP 三次握手状态机时序流程图 (陈一铭)
* 4b5c6d7 - refactor(error): 将底层 IO 错误统一收拢为 Domain Error (陈一铭)

2. 自动化提炼脚本:scripts/generate-changelog.sh

在项目根目录下编写 Shell 脚本:

#!/usr/bin/env bash
# scripts/generate-changelog.sh

set -e

# 获取上一个 release tag,若无则取初始提交
PREV_TAG=$(git describe --tags --abbrev=0 2>/dev/null || git rev-list --max-parents=0 HEAD)
CURRENT_VERSION="v0.2.0"
TODAY=$(date +%Y-%m-%d)

echo "正在收集自 [$PREV_TAG] 以来的 Git 提交记录..."

RAW_LOGS=$(git log ${PREV_TAG}..HEAD --pretty=format:"* %h | %s" --no-merges)

if [ -z "$RAW_LOGS" ]; then
    echo "未检测到任何新增提交记录!"
    exit 0
fi

# 构造结构化提示词
SYSTEM_PROMPT="你是一名负责一流开源 Rust 项目维护的发布经理。
请根据提供的原始 Git Log,生成一份符合 Keep a Changelog 与 Conventional Commits 规范的高质量发布日志(Markdown 格式)。

要求与分类标准:
1. 一级标题统一为: ## [$CURRENT_VERSION] - $TODAY
2. 严格按以下四个模块归类(没有的分组直接省略):
   - ###  新特性 (Features)
   - ### 🐛 缺陷修复 (Bug Fixes)
   - ### ⚡ 性能优化 (Performance Improvements)
   - ### 🔨 工程重构与文档 (Refactor & Docs)
3. 对每条日志进行提炼和润色:
   - 提取业务价值与技术影响,语言简明专业,去除无意义的 WIP 提交;
   - 保留原提交哈希(以 Markdown 行内代码格式展示,如 \`a1b2c3d\`);
4. 在文末追加一段由技术点构成的【版本亮点摘要】(3 句话以内)。"

echo "正在调用 AI 进行更新日志提炼..."

curl -s https://api.deepseek.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $DEEPSEEK_API_KEY" \
  -d @- <<EOF | jq -r '.choices[0].message.content'
{
  "model": "deepseek-chat",
  "messages": [
    {"role": "system", "content": "$SYSTEM_PROMPT"},
    {"role": "user", "content": $(echo "$RAW_LOGS" | jq -s -R .)}
  ],
  "temperature": 0.1
}
EOF

3. 生成的生产级 CHANGELOG.md 成果展示

运行 ./scripts/generate-changelog.sh,仅过了 3 秒钟,标准专业的 Markdown 更新日志便一气呵成:

## [v0.2.0] - 2026-09-08

###  新特性 (Features)
- `a1b2c3d` **TCP 会话重组**:实现基于滑动窗口与乱序队列的 TCP 报文重组状态机,支持完整数据流提取;
- `c7d8e9f` **多模型适配器**:引入统一 Trait 抽象,支持零改动无缝切换 DeepSeek、Claude 与本地 Ollama 离线推理。

### 🐛 缺陷修复 (Bug Fixes)
- `e4f5g6h` **网卡捕获修复**:修复 macOS 下在特定链路层类型时混杂模式超时未生效引发的挂起缺陷;
- `9a8b7c6` **自引用防范**:重构会话管理器结构,彻底消除循环借用引发的编译死锁。

### ⚡ 性能优化 (Performance Improvements)
- `7890abc` **WASM 序列化加速**:全量迁移至 `serde-wasm-bindgen`,前端跨语言对象映射吞吐量提升近 10 倍;
- `3d4e5f6` **内核缓冲扩容**:将底层捕获环形队列扩展至 32MB,千兆高并发压测下实现 18 万 PPS 零丢包。

### 🔨 工程重构与文档 (Refactor & Docs)
- `4b5c6d7` **错误处理分层**:基于 `thiserror` 细化链路层与传输层领域错误体系;
- `d1e2f3a` **架构图谱完善**:新增 TCP 三次握手与状态机流转详细 Mermaid 序列图。

> **版本亮点摘要**:
> 本次 v0.2.0 版本完成了从“单包解码”向“全连接状态流跟踪”的跨越,核心 TCP 重组引擎正式落地;同时打通了本地 Ollama 离线小模型推理支持,为高安全诉求的内网抓包分析提供了完整的数据隐私保障。

总结

这套自动化 Changelog 工作流的实操价值:

  • 秒级提炼:将半小时的人工机械整理压缩到 3 秒以内;
  • 消除低级错漏:自动关联 Git Commit Hash,杜绝遗漏重要特性;
  • 格式高度统一:自动生成符合 GitHub Releases 规范的专业文案,极大提升了开源项目的门面形象。
AI自动生成规范Git提交信息:Codex与Conventional Commits实战 版本控制是软件开发的基础,Git作为最流行的分布式版本控制系统,其提交信息(commit message)是项目历史索引和团队协作的重要载体。然而,许多开发者在编写清晰、规范的提交信息时常常感到困扰。Conventional Commits规范提供了一套标准化的提交信息格式,有助于自动化生成变更日志和语义化版本。借助OpenAI推出的Codex CLI,开发者可以直接从git diff中自动生成符合规范的提交信息,显著提升日常开发效率。本文将系统梳理Git工作流的核心概念,详细解读Conventional 阅读详情

相关推荐

Codex入门:AI自动生成规范Git提交信息实战

在版本控制与团队协作中,Git提交信息的质量直接影响历史记录的可读性和可追溯性。很多开发者习惯用“update”“fix”等模糊描述掩盖真实变更,导致后期排查困难。随着AI编程智能体与命令行工具的融合,利用Codex这类工具自动读取Git diff、理解代码改动,并生成符合Conventional Commits规范的commit信息,已成为提升开发效率与提交规范性的新路径。从环境准备、安装认证到实际场景验证,您可以根据diff生成草稿、按团队规范执行提交、整理变更日志,甚至通过脚本批量处理多仓库提交任务。

weixin_34367257的博客 503

AI - Git 提交信息太乱?AI 自动根据 diff 生成规范 commit message,团队代码历史清爽了

AI自动生成规范Git提交信息摘要 本文介绍了一种基于AI的Git提交信息生成方案,通过分析代码diff自动生成符合Conventional Commits规范的commit message。方案采用Git Hook拦截commit命令,获取暂存区代码差异后调用LLM(如GPT-4)生成格式化的提交信息,包含类型(feat/fix等)、作用域和清晰描述。实例如:fix(auth): prevent null pointer in login handler。该工具可解决团队中常见的"fix bug

千淘万漉虽辛苦,吹尽狂沙始到金 2万+

AI自动生成Git提交信息:基于Conventional Commits规范的工具实践

在软件工程实践中,版本控制系统是团队协作和代码管理的基石,而Git作为分布式版本控制系统的代表,其提交信息的质量直接影响代码可维护性和自动化流程效率。Conventional Commits规范通过结构化格式(type(scope): subject)统一提交信息,为自动化生成CHANGELOG和语义化版本控制提供支持。传统提交依赖开发者手动描述变更内容,存在主观性和不一致性问题。AI技术特别是大语言模型(LLM)的发展,为自动化代码变更分析提供了新思路——通过理解git diff的语义上下文,智能生成符合

weixin_42545292的博客 349

终极指南:如何使用 opencommit 快速实现 Conventional Commits 标准化提交

想要告别杂乱无章的 Git 提交信息吗?😊 opencommit 是一个强大的 AI 驱动工具,能够**在1秒内自动生成符合 Conventional Commits 规范的标准化提交信息**。无论你是个人开发者还是团队协作,这个工具都能显著提升代码提交的专业性和可读性。 ## 🤔 为什么需要标准化提交信息格式? 在传统的开发流程中,我们经常会遇到这样的提交信息: - "fix bug"

gitblog_00682的博客 1139

AI Commit:基于大语言模型的Git提交信息自动生成工具详解

在软件工程实践中,版本控制系统(如Git)是团队协作与项目管理的基石,而规范的提交信息则是其可读性与自动化流程的关键。Conventional Commits规范通过语义化的提交类型(如feat、fix)和结构化格式,使提交信息机器可读,从而为自动生成变更日志(CHANGELOG)和语义化版本控制(SemVer)提供了可能。其技术价值在于将人工维护的纪律性要求转化为可自动化执行的规范,极大提升了代码历史的管理效率和项目维护性。典型的应用场景包括持续集成/持续部署(CI/CD)流水线、自动化文档生成以及团队协

weixin_33727510的博客 372

AI赋能Git提交:lazycommit工具实现自动化规范提交信息生成

在软件开发中,Git提交信息是记录代码变更历史的重要文档,遵循约定式提交规范能显著提升项目可维护性。其核心原理是通过结构化格式(如feat/fix/docs等类型)描述变更,便于自动化工具解析。这一规范的技术价值在于实现自动生成变更日志、语义化版本控制以及提升代码历史可读性,广泛应用于团队协作和开源项目管理场景。本文聚焦的lazycommit工具,正是利用AI模型分析代码差异,自动生成符合规范的提交信息,有效解决了开发者日常面临的“提交信息编写困难”痛点。通过集成GitHub Copilot、OpenAI等

weixin_30512089的博客 602

Fabric 实战指南:使用 summarize_git_diff Pattern 一键生成规范 Git 变更摘要与 Conventional Commits 提交信息

本篇指南聚焦于 Fabric 开源框架内置的 [summarize_git_diff Pattern](https://link.gitcode.com/i/e0bb0f81e6092b85ef2780d26cfd027f),讲解如何让 AI 以资深项目经理兼开发者的视角,把一段 Git diff 输入自动提炼为"一句话变更导语 + CHANGES 要点清单 + Conventional Comm

gitblog_00667的博客 744

AI赋能Git提交:用geminicommit自动生成规范提交信息

在软件工程实践中,版本控制系统是团队协作与代码管理的基石,而Git提交信息则是项目历史的“编年史”。其核心原理在于通过结构化的记录,为代码变更提供可追溯的上下文。遵循约定式提交规范能显著提升技术价值,不仅便于自动化生成变更日志和语义化版本控制,还能增强代码审查与问题回溯的效率。在实际应用场景中,开发者常面临提交信息撰写耗时且质量参差不齐的痛点。本文聚焦的geminicommit工具,深度集成Google Gemini AI,通过分析代码差异自动生成符合规范的提交信息,并支持一键创建智能Pull Reques

weixin_26750831的博客 554

Git 提交记录乱糟糟?写个 AI 脚本自动生成 Commit Message,CTO 看了都说好

git log在让 AI 干活之前,我们得先定规矩。目前业界最通用的是规范。feat: 新功能fix: 修补 Bugdocs: 文档修改style: 格式(不影响代码运行的变动)refactor: 重构(即不是新增功能,也不是修改 bug 的代码变动)chore: 构建过程或辅助工具的变动我们要做的,就是让 AI 自动分析git diff,然后填空。AI 不一定会替代程序员,但会用 AI 的程序员一定能淘汰不会用的。

BUG猿的博客 1184

Tower 16 AI Commits:用大语言模型自动生成规范的Git提交信息

在软件工程实践中,版本控制系统是团队协作与代码管理的基石,而提交信息(Commit Message)的规范性直接影响项目历史可读性与自动化流程效率。其核心原理在于将代码变更(Diff)转化为结构化的语义描述。传统上,这依赖开发者手动总结,既耗时又易导致格式不一。如今,大语言模型(LLM)技术的融入为这一过程带来了智能化解决方案。通过分析代码差异,模型能自动理解修改意图,并生成遵循Conventional Commits等规范的提交信息,其技术价值在于显著提升提交历史的清晰度与一致性,降低沟通成本。这一能力在

weixin_33743880的博客 652

Python实战:5分钟搞定N-CMAPSS航空发动机数据集解析(附完整代码)

本文提供了一份针对N-CMAPSS航空发动机数据集的快速解析实战指南。通过Python的h5py和Pandas库,详细演示了如何高效读取HDF5格式文件、理解数据结构、提取关键特征(如传感器数据与剩余使用寿命RUL),并整合为可用于预测性维护分析的DataFrame,帮助研究者和工程师快速上手这一重要的工业时序数据集。

weixin_29083373的博客 281

VSCode 插件 git-ai-commit:AI 自动生成规范 Git Commit,开发效率神器

是一款 AI 驱动的 VSCode 插件,帮助开发者快速生成符合 Conventional Commits 规范的 Git Commit,无需记忆规则,可视化操作,开箱即用。让 Git 提交从 “麻烦事” 变成 “一键事”。规范 + AI + 效率,三者兼顾。提交日志更专业团队协作更顺畅少写重复格式拥抱 AI 提升效率快去 VSCode 扩展商店体验吧!VSCodeGitCommitAI开发效率规范提交。

Soul_楼 1104

Python遥感图像处理指南(2)-卫星影像分析MNDWI提取

在第一篇文章中,我们使用了我们导入的软件包中已定义的函数,如 rasterio 中的 open 和 read 以及 matplotlib 中的 imshow。现在,我们可以编写自己的函数了。函数是一段代码,它接收一些参数作为输入并返回输出(经过一些计算),可以在代码中多次重复使用,也可以被其他代码重用。在 Python 中定义一个新函数非常简单。return v在此语法示例中,arg1和arg2强制参数,应该传递给函数,否则会引发错误,而arg3是一个可选参数,如果是,则假定默认值 1从函数调用中省略。

gis收藏家的博客 1577

腾讯云助手规范化Git提交记录

网上讲 Git 提交规范的教程不少,但 99% 都是"从新仓库开始"——npm init、装 Husky、配 commitlint、从此人人守规矩。这套流程对新项目很美好,可一旦遇到跑了三五年的老仓库:几十上百条updatefix改了一下tmp堆积成山,团队想治理却不敢动历史,规范根本推不下去。面向存量老旧仓库改写历史 Commit——把update变成feat(login): 新增短信验证码登录生成 Conventional Commits——后续提交全部由 AI 基于代码 Diff 自动产出规范信息。

2501_93047244的博客 490

CVPR2021 CenterPoint源码解读:从VoxelNet到两阶段优化的完整实现细节

本文深度解析了CVPR 2021 CenterPoint模型的完整实现细节,从VoxelNet体素化、稀疏卷积Backbone,到基于中心点的检测头与两阶段精修机制。文章提供了从环境搭建、数据预处理到核心代码模块(如热力图生成、关键点特征提取与MLP Refiner)的实战指南,并分享了训练策略、多任务损失调优及可视化调试等关键工程实践,助力开发者深入理解并复现这一高效的3D目标检测框架。

linux的博客 470

为什么你的SiC MOSFET仿真不准?可能是离子注入的‘沟道效应’在捣鬼(Silvaco BCA模块详解)

本文深入分析了SiC MOSFET仿真中离子注入沟道效应的关键影响,揭示了Silvaco BCA模块在模拟SiC晶向和角度参数时的核心设置要点。通过详细解析晶圆偏切与注入角度的等效关系,提供优化MOSFET沟道区注入仿真的五步实战方法,帮助工程师将阈值电压仿真误差从26%降低到5%以内。

weixin_26789847的博客 410

git commit规范在AI项目中的重要性:提升团队协作效率

在复杂AI项目中,规范的git commit能显著提升团队协作效率。通过结构化提交信息,可实现自动化发布、精准问题定位与依赖追溯,尤其在多模型、多任务场景下保障代码演进的可控性与可读性,是构建可持续工程体系的关键基础。

weixin_30995917的博客 876

AWS-解析mysql binlog同步数据方案

虽然是公有云的鼻祖,AWS在某些产品的实现却太不给力;可能是习惯了阿里云喂到嘴边的感觉,AWS很多方案需要自己折腾,蛋疼!比如这里要讲的mysql数据同步方案。 阿里云产品DTS,点几下就OK了,AWS,只能通过插件安装、配置、调试、蹚坑……,具体就是用msk的debezium插件连接器。没见识过的一脸懵逼,下面说下配置步骤和一些注意的坑。

sdmei 1408

Strapi 提交信息规范全解:基于 commitlint 与 Husky 的 Conventional Commits 实践

Strapi 仓库采用一套由 commitlint 强制执行、Husky 本地钩子与 GitHub Actions 双重保障的 Git 提交信息规范。本文以仓库中的技能文档 [.ai/skills/git-conventions/SKILL.md](https://link.gitcode.com/i/b53553bd50f4dcfaa6e8784d274e8bd8) 为主体,结合 [CONTRI

gitblog_00305的博客 164

UG\NX二次开发 获取对象的层、颜色、隐藏状态、线宽、线型、高亮显示状态

获取对象的层、颜色、隐藏状态、线宽、线型、高亮显示状态。

王牌飞行员_里海的博客 1985

高效批量转换Java接口为MCP服务:降低重复劳动的实战指南

高效批量转换Java接口为MCP服务:降低重复劳动的实战指南

专注于编程、AI、人工智能等多个领域内容研究和分析 726

终极指南:如何用opencommit在1秒内生成专业Git提交信息

想要告别"fixed bug"、"update"这类模糊的Git提交信息吗?🚀 opencommit正是你需要的AI神器!这个强大的工具能在短短1秒内自动生成专业、规范的Git提交信息,无论你是个人开发者还是企业团队,都能显著提升代码管理的专业度。 ## ✨ 为什么你需要opencommit? 传统的手写提交信息往往存在这些问题: - 描述模糊,难以追溯修改原因 - 格式不统一,团队协作混乱

gitblog_00715的博客 654

波士顿房价预测分析----以线性回归LinearRegression为例

波士顿房价数据集包括506个样本,每个样本包括13个特征变量和该地区的平均房价,房价显然和多个特征变量相关,先选择一元线性回归与多个特征建立线性方程,观察模型预测的好坏,再选择多元线性回归进行房价预测。13个特征变量缩写含义CRIM城镇人均犯罪率ZN住宅用地所占比例INDUS城镇中非住宅用地所占比例CHAS虚拟变量,用于回归分析NOX环保指数RM每栋住宅的房间数AGE1940 年以前建成的自住单位的比例DIS距离 5 个波士顿的就业中心的加权距离RAD。

我走的每一步都算数 843

git“约定式提交” (Conventional Commits) 的规范

当您一个月后想知道某个Bug是什么时候引入的,或者某个功能是怎么实现的,一个清晰的Git历史记录就是您的“时光机”。工具可以根据您的提交类型(例如,有 feat 就升小版本号,有 BREAKING CHANGE 就升大版本号)来自动管理项目的版本。有很多工具可以扫描您的Git历史,然后自动根据所有的 feat 和 fix 提交,生成一个漂亮的 CHANGELOG.md 文件。当您让 Claude 或其他AI工具审查您的代码变更时,一个规范的提交信息能帮助AI更快地理解您这次变更的意图和范围。

weixin_42771529的博客 614

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

CopilotKit 仓库 Git 与 PR 协作规范:面向 AI Agent 与开发者的分支、Worktree 与提交纪律

本指南完整解读 CopilotKit 仓库内置的 Git 与 Pull Request 工作流规范(源文档:[.claude/docs/git.md](https://link.gitcode.com/i/6db6c945cbb9343749685576f3e05746)),它是该仓库为 AI 编码 Agent 与协作者制定的“铁律级”流程说明。读完本文,你将掌握:如何始终从最新的 `origin

gitblog_01099的博客 441

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

AI 问数真的能替代 BI 报表吗?

AI问数赋能自然语言查询,提升临时分析效率,但无法替代传统报表。报表适用于稳定输出与持续监控,AI则擅长探索性提问。企业用好AI问数,关键在于夯实数据模型、统一指标口径、健全权限体系与结果校验机制。合理组合报表、仪表板与AI,才能实现高效、准确的业务洞察。

葡萄城技术团队博客 338
上一篇: 第一次看懂 Tokio 源码调度器时的兴奋:从调包侠到看清底层机制
下一篇: 与 AI 辩论 static 生命周期的误区:为什么 ‘static 不等于变量永远存活在内存中
第一程序员
博客等级 码龄1年 1万+粉丝 1827原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值