GIM发布新版本了 (附rust CLI制作brew bottle流程)

GIM 发布新版本了!现在1.3.0版本可用了 https://github.com/davelet/git-intelligence-message/releases/tag/v1.3.0 。可以通过brew upgrade git-intelligence-message升级。

初次安装需要先执行 brew tap davelet/gim

GIM 是一个根据git仓库内文件变更自动生成git提交消息的命令行工具,参考前文《GIM: 根据代码变更自动生成git提交消息的工具》。

在最近的版本中主要三个新能力:

  • 不再依赖rust而是安装二进制包
  • 自动探测新版本并提示更新
  • 用户可自主调整生成提示(AI prompt)

此外还内置了更多大模型的 API 调用地址。

因为我电脑是Mac所以只做了Mac版本。如果有哪位同僚能帮我做成windows版本的,不胜感激🙏

二进制安装

GIM 现在不依赖 rust 环境了,改为通过brew bottle安装了。即下即用,不用编译安装,立刻节省5G磁盘。

为了保证效果,推荐重装:


   
brew uninstall git-intelligence-message
brew cleanup
brew update
brew install git-intelligence-message

升级 GIM 版本

软件执行时会主动探测是否有新版本。发现后(会有提示)可以执行


   
gim update

来升级。如果提示了5次依然没升级则一个月内不会再提示。

调整AI提示词

可以自主设置提示词了。通过命令 gim prompt查看默认提示词,通过gim prompt -e可进行提示词更新。

完整命令可参考项目文档 https://github.com/davelet/git-intelligence-message/blob/main/README.md 或者帮助文档:


   
gim prompt -h
Manage ai model prompt files. Show content when no options specified
Usage: gim prompt [OPTIONS]
Options:
-e, --edit Optional: Edit the prompt files
-t, --prompt <PROMPT> Optional: Specify which prompt to edit (d or diff or diff_prompt or subject_prompt)
-o, --editor <EDITOR> Optional: Specify the editor to use (e.g., vim, code, nano)
-h, --help Print help

内置大模型地址清单

现在内置了一下8中大模型的API地址:

Model PrefixService ProviderDefault Endpoint
gpt-*OpenAIhttps://api.openai.com/v1/chat/completions
moonshot-*Moonshot AIhttps://api.moonshot.cn/v1/chat/completions
qwen-*Alibaba Qwenhttps://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions
gemini-*Google Geminihttps://generativelanguage.googleapis.com/v1beta/openai/
doubao-*ByteDance Doubaohttps://ark.cn-beijing.volces.com/api/v3/chat/completions
glm-*THUDM GLMhttps://open.bigmodel.cn/api/paas/v4/chat/completions
deepseek-*DeepSeekhttps://api.deepseek.com/chat/completions
qianfan-*Baidu Qianfanhttps://qianfan.baidubce.com/v2/chat/completions

所以如果你要用的模型是在这清单里可以不用使用gim ai --url来配置。

使用流程

  1. 通过homebrew安装
  2. 设置大模型token参考 gim ai -h
  3. 切换目录到某个git 仓库
  4. 执行gim -a (这就是GIM提供的核心能力)
  5. (可选)执行git push推送提交


bottle 制作流程

1. 新建 tap 分支

我给 https://github.com/davelet/homebrew-gim 拉了新分支 dep-cargo-install。这个分支保持通过cargo 安装。
main 分支后续更新成bottle安装方式,供用户使用。

2. 本地使用 tap 新分支

有多种方式切换分支,最直观的是


   
cd "$(brew --repo davelet/gim)"
git checkout dep-cargo-install
git pull
brew install --build-bottle davelet/gim/git-intelligence-message

这样会通过新分支的旧方式安装软件。

必须指定参数 --build-bottle 告诉 brew 这个软件要用来制作bottle

3. 制作 bottle

找个目录执行


   
brew bottle git-intelligence-message

会在当前目录生成一个bottle文件(结尾是 bottle.1.tar.gz)并提示一段代码:


   
bottle do
rebuild 1
sha256 cellar: :any_skip_relocation, sonoma: "b478f239a65b704c85cc59b1a50fcde797bbbf9c142972c08f529e5bea3f5b7a"
end

4. 上传文件

把上一步生成的文件重命名,里面的 -- 改成 -,上传到仓库的Release里面,比如
https://github.com/davelet/git-intelligence-message/releases/tag/v1.2.2
把上传好的文件链接复制出来。

5. 更新 Formulae

最后一步,回到 tap 主分支 https://github.com/davelet/homebrew-gim/blob/main/Formula/git-intelligence-message.rb ,把这个文件里的 depends_on 那一行删掉,改成第三步的代码。
然后在 bottle do 这个块里增加root_url,值就是上一步复制的地址去掉最后的文件名。

大功告成。

最后的小提示:源文件计算sha256 shasum -a 256 <下载到本地的tar.gz>

原创作者: somefuture 转载于: https://www.cnblogs.com/somefuture/p/18889281
在数字化进程中,人工智能技术日益成为科技革新的关键驱动力,其中强化学习作为机器学习的重要分支,在解决复杂控制任务方面展现出显著潜力。本文聚焦于深度确定性策略梯度(DDPG)方法在移动机器人自主导航领域的应用研究。该算法通过构建双神经网络架构,有效克服了传统Q-learning在连续动作空间中的局限性,为高维环境下的决策问题提供了创新解决方案。 DDPG算法的核心架构包含策略网络与价值评估网络两大组件。策略网络负责根据环境状态生成连续动作指令,通过梯度上升方法不断优化策略以获取最大长期回报;价值评估网络则采用深度神经网络对状态-动作对的期望累积奖励进行量化估计,为策略优化提供方向性指导。这种双网络协作机制确保了算法在复杂环境中的决策精度。 为提升算法稳定性,DDPG引入了多项关键技术:经验回放机制通过建立数据缓冲区存储历史交互记录,采用随机采样方式打破样本间的时序关联性;目标网络系统通过参数软更新策略,以θ_target = τ·θ_current + (1-τ)·θ_target的更新方式确保训练过程的平稳性;探索噪声注入技术则通过在动作输出中添加随机扰动,维持了策略探索与利用的平衡。 在具体实施过程中,研究需依次完成以下关键步骤:首先建立符合马尔科夫决策过程的环境模型,精确描述机器人的运动学特性与环境动力学;随后设计深度神经网络结构,确定各层神经元数量、激活函数类型及参数优化算法;接着进行超参数配置,包括学习速率、批量采样规模、目标网络更新系数等关键数值的设定;最后构建完整的训练验证流程,通过周期性测试评估导航成功率、路径规划效率、障碍规避能力等核心指标。 该研究方法不仅为移动机器人自主导航提供了可靠的技术方案,其算法框架还可扩展应用于工业自动化、智能交通等需要精密控制的领域,具有重要的工程实践价值与理论借鉴意义。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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