[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-KanHarI--gpt-commit-summarizer":3,"tool-KanHarI--gpt-commit-summarizer":64},[4,17,26,36,44,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",142651,2,"2026-04-06T23:34:12",[13,14,15],"开发框架","Agent","语言模型","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":10,"last_commit_at":23,"category_tags":24,"status":16},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[25,13],"插件",{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":16},4487,"LLMs-from-scratch","rasbt\u002FLLMs-from-scratch","LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。\n\n该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。\n\nLLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备",90106,3,"2026-04-06T11:19:32",[15,35,14,13],"图像",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":10,"last_commit_at":42,"category_tags":43,"status":16},3704,"NextChat","ChatGPTNextWeb\u002FNextChat","NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。\n\n这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。\n\nNextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。",87618,"2026-04-05T07:20:52",[13,15],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":10,"last_commit_at":50,"category_tags":51,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",85013,"2026-04-06T11:09:19",[35,52,53,25,14,54,15,13,55],"数据工具","视频","其他","音频",{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":32,"last_commit_at":62,"category_tags":63,"status":16},3128,"ragflow","infiniflow\u002Fragflow","RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。\n\n在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。\n\n这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。",77062,"2026-04-04T04:44:48",[14,35,13,15,54],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":70,"readme_en":71,"readme_zh":72,"quickstart_zh":73,"use_case_zh":74,"hero_image_url":75,"owner_login":76,"owner_name":77,"owner_avatar_url":78,"owner_bio":68,"owner_company":68,"owner_location":68,"owner_email":79,"owner_twitter":68,"owner_website":68,"owner_url":80,"languages":81,"stars":90,"forks":91,"last_commit_at":92,"license":93,"difficulty_score":10,"env_os":94,"env_gpu":95,"env_ram":95,"env_deps":96,"category_tags":102,"github_topics":68,"view_count":10,"oss_zip_url":68,"oss_zip_packed_at":68,"status":16,"created_at":103,"updated_at":104,"faqs":105,"releases":106},4726,"KanHarI\u002Fgpt-commit-summarizer","gpt-commit-summarizer",null,"gpt-commit-summarizer 是一款集成在 GitHub 上的自动化工具，旨在利用 OpenAI 的大语言模型能力，为代码拉取请求（Pull Request）生成清晰易懂的变更摘要。在大型协作项目中，开发者往往需要花费大量时间阅读复杂的代码差异（git diff）来理解他人的修改内容，这不仅效率低下，还容易遗漏关键信息。gpt-commit-summarizer 通过自动分析每个提交记录及具体文件的变动，先生成细粒度的说明，再进一步汇总成一份整体的 PR 综述，并直接以评论形式发布在请求页面，同时自动清理过时的旧评论，从而显著降低代码审查的认知负担，提升团队协作效率。\n\n该工具特别适合软件开发者、技术团队负责人以及开源项目维护者使用，尤其是那些处理复杂代码库或希望规范代码审查流程的团队。其核心技术亮点在于采用了“分层总结”策略：先对单个提交和文件差异进行局部概括，再基于这些局部信息通过二次调用 API 生成全局视角的总结，确保了输出内容既具备细节支撑又拥有宏观逻辑。只需简单配置 GitHub Actions 工作流并提供 OpenAI API 密钥，即可让 AI 助手成为","gpt-commit-summarizer 是一款集成在 GitHub 上的自动化工具，旨在利用 OpenAI 的大语言模型能力，为代码拉取请求（Pull Request）生成清晰易懂的变更摘要。在大型协作项目中，开发者往往需要花费大量时间阅读复杂的代码差异（git diff）来理解他人的修改内容，这不仅效率低下，还容易遗漏关键信息。gpt-commit-summarizer 通过自动分析每个提交记录及具体文件的变动，先生成细粒度的说明，再进一步汇总成一份整体的 PR 综述，并直接以评论形式发布在请求页面，同时自动清理过时的旧评论，从而显著降低代码审查的认知负担，提升团队协作效率。\n\n该工具特别适合软件开发者、技术团队负责人以及开源项目维护者使用，尤其是那些处理复杂代码库或希望规范代码审查流程的团队。其核心技术亮点在于采用了“分层总结”策略：先对单个提交和文件差异进行局部概括，再基于这些局部信息通过二次调用 API 生成全局视角的总结，确保了输出内容既具备细节支撑又拥有宏观逻辑。只需简单配置 GitHub Actions 工作流并提供 OpenAI API 密钥，即可让 AI 助手成为你代码审查流程中的得力伙伴，让技术沟通变得更加顺畅高效。","# gpt-commit-summarizer\n\nSee [announcement blogpost](https:\u002F\u002Fmedium.com\u002F@knaan.harpaz\u002Fleverage-openais-language-model-for-automated-commit-summaries-8181cef30375?source=friends_link&sk=b71a6799548f52274d2d0888e9bfd97e).\n\nDon't have time and want to get hacking right away? Check out the [Getting Started](#getting-started) section.\n\n* [Getting Started](#getting-started)\n* [Troubleshooting](#troubleshooting)\n* [Encountered any bugs?](#encountered-any-bugs)\n\nThe `gpt-commit-summarizer` GitHub Action is a powerful tool that harnesses the capabilities of OpenAI's state-of-the-art text-davinci-003 large language model to provide summaries of the changes introduced by a pull request in a repository. By generating the git diff for each commit and for each modified file and sending it to the OpenAI API with a carefully crafted prompt, the action is able to produce concise and informative summaries that can greatly enhance collaboration and understanding in large codebases.\n\nThe action then performs a higher level call to the OpenAI API to generate a summary of the entire pull request, from the summaries of individual commits and file differences. This summary is then posted as a comment on the pull request.\n\n# Getting Started\n\n## Automatic Setup\n\nWorks for all git repositories. follow the [CLI][cli] instructions:\n\n```shell\nnpx add-gpt-summarizer@latest\n```\n\n_Note: Requires that you have Node.js installed._\n\n## Setting up\n\nTo use this action, you will need to have an OpenAI API key. If you don't already have one, you can sign up for an OpenAI API key [here](https:\u002F\u002Fbeta.openai.com\u002Fdocs\u002Fquickstart).\n\nOnce you have your API key, you will need to add it to your GitHub repository as a secret. To do this, go to your repository's settings and navigate to the \"Secrets\" section. Click on \"Add a new secret\" and enter the secret name OPENAI_API_KEY and the value of your API key.\n\nNext, you will need to add the workflow file to your repository. Create a file named `.github\u002Fworkflows\u002Fgpt-commit-summarizer.yml` (relative to the git root folder) and copy the following code into it:\n\n```yaml\nname: GPT Commits summarizer\n# Summary: This action will write a comment about every commit in a pull request, as well as generate a summary for every file that was modified and add it to the review page, compile a PR summary from all commit summaries and file diff summaries, and delete outdated code review comments\n\non:\n  pull_request:\n    types: [opened, synchronize]\n\njobs:\n  summarize:\n    runs-on: ubuntu-latest\n    permissions: write-all  # Some repositories need this line\n\n    steps:\n      - uses: KanHarI\u002Fgpt-commit-summarizer@master\n        env:\n          GITHUB_TOKEN: ${{ secrets.GITHUB_TOKEN }}\n          OPENAI_API_KEY: ${{ secrets.OPENAI_API_KEY }}\n```\n\nThis workflow file tells GitHub to run the action whenever a new pull request is opened or updated.\n\nThat's it! You're now ready to use the gpt-commit-summarizer action in your repository. Each time a pull request is opened or updated, the action will automatically generate a summary of the changes made in each commit, add a summary for every file that was modified to the review page, compile a PR summary from all commit summaries and file diff summaries, and delete outdated code review comments.\n\n## Troubleshooting\n\nI have heard some unverified reports that the OpenAI API may block requests from the IP addresses of some runners. If you encounter this issue, you can try using a self-hosted runner to run the gpt-commit-summarizer action. This can be done by setting up a runner on a server that you control, and then adding the runner to your repository.\n\nTo set up a self-hosted runner, you will need to follow these steps:\n\n* Install the GitHub Actions Runner on your server. Follow the instructions in the [documentation](https:\u002F\u002Fdocs.github.com\u002Fen\u002Factions\u002Fhosting-your-own-runners\u002Fadding-self-hosted-runners) to do this.\n\n* Add the self-hosted runner to your repository. Follow the instructions in the documentation to do this.\n\n* Modify the workflow file to use the self-hosted runner. Open the .github\u002Fworkflows\u002Fgpt-commit-summarizer.yml file and add the `runs-on` field to specify the self-hosted runner that you want to use. For example:\n\n```yaml\nname: GPT Commits summarizer\n# Summary: This action will write a comment about every commit in a pull request, as well as generate a summary for every file that was modified and add it to the review page, compile a PR summary from all commit summaries and file diff summaries, and delete outdated code review comments\n\non:\n  pull_request:\n    types: [opened, synchronize]\n\njobs:\n  summarize:\n    runs-on: self-hosted\n    permissions: write-all  # Some repositories need this line\n\n    steps:\n      - uses: KanHarI\u002Fgpt-commit-summarizer@master\n        env:\n          GITHUB_TOKEN: ${{ secrets.GITHUB_TOKEN }}\n          OPENAI_API_KEY: ${{ secrets.OPENAI_API_KEY }}\n```\n\n## Encountered any bugs?\n\nIf you encounter any bugs or have any suggestions for improvements, please open an issue on the repository. Alternatively, you can contact me at my [email](mailto:knaan.harpaz@gmail.com).\n\n## License\n\nThis project is licensed under the [MIT License](.\u002FLICENSE).\n\n[cli]: https:\u002F\u002Fgithub.com\u002Fsoof-golan\u002Fadd-gpt-summarizer\n","# gpt-commit-summarizer\n\n请参阅[公告博客文章](https:\u002F\u002Fmedium.com\u002F@knaan.harpaz\u002Fleverage-openais-language-model-for-automated-commit-summaries-8181cef30375?source=friends_link&sk=b71a6799548f52274d2d0888e9bfd97e)。\n\n没有时间，想立刻开始使用？请查看[快速入门](#getting-started)部分。\n\n* [快速入门](#getting-started)\n* [故障排除](#troubleshooting)\n* [遇到任何 bug 吗？](#encountered-any-bugs)\n\n`gpt-commit-summarizer` GitHub Action 是一款强大的工具，它利用 OpenAI 最先进的 text-davinci-003 大型语言模型，为仓库中的拉取请求所引入的更改提供摘要。通过为每个提交以及每个修改过的文件生成 Git 差异，并将其连同精心设计的提示一起发送到 OpenAI API，该操作能够生成简洁而信息丰富的摘要，从而大大提升大型代码库中的协作与理解。\n\n随后，该操作会再次调用 OpenAI API，基于各个提交和文件差异的摘要，生成整个拉取请求的汇总摘要，并将此摘要作为评论发布在拉取请求页面上。\n\n# 快速入门\n\n## 自动设置\n\n适用于所有 Git 仓库。请按照 [CLI][cli] 指南操作：\n\n```shell\nnpx add-gpt-summarizer@latest\n```\n\n_注意：需要您已安装 Node.js。_\n\n## 手动设置\n\n要使用此操作，您需要一个 OpenAI API 密钥。如果您还没有，请在此处注册获取 OpenAI API 密钥：[这里](https:\u002F\u002Fbeta.openai.com\u002Fdocs\u002Fquickstart)。\n\n获得 API 密钥后，您需要将其添加到您的 GitHub 仓库作为密钥。前往您的仓库设置，找到“Secrets”（机密）部分，点击“Add a new secret”（添加新密钥），输入密钥名称 `OPENAI_API_KEY` 和您的 API 密钥值。\n\n接下来，您需要将工作流文件添加到您的仓库。创建一个名为 `.github\u002Fworkflows\u002Fgpt-commit-summarizer.yml` 的文件（相对于 Git 根目录），并将以下内容复制进去：\n\n```yaml\nname: GPT Commits summarizer\n# 摘要：此操作将在拉取请求中为每个提交撰写评论，并为每个被修改的文件生成摘要，将其添加到评审页面；同时，它还会根据所有提交摘要和文件差异摘要编译出一份 PR 汇总摘要，并删除过时的代码评审评论。\n\non:\n  pull_request:\n    types: [opened, synchronize]\n\njobs:\n  summarize:\n    runs-on: ubuntu-latest\n    permissions: write-all  # 某些仓库可能需要这一行\n\n    steps:\n      - uses: KanHarI\u002Fgpt-commit-summarizer@master\n        env:\n          GITHUB_TOKEN: ${{ secrets.GITHUB_TOKEN }}\n          OPENAI_API_KEY: ${{ secrets.OPENAI_API_KEY }}\n```\n\n此工作流文件指示 GitHub 在每次打开或更新拉取请求时运行该操作。\n\n就是这样！现在您已经可以在自己的仓库中使用 gpt-commit-summarizer 操作了。每当有新的拉取请求被打开或更新时，该操作将自动为每个提交生成更改摘要，在评审页面上添加每个被修改文件的摘要，整合所有提交摘要和文件差异摘要以生成 PR 汇总，并删除过时的代码评审评论。\n\n## 故障排除\n\n我听说过一些未经证实的报告，称 OpenAI API 可能会阻止来自某些运行器 IP 地址的请求。如果遇到此类问题，您可以尝试使用自托管运行器来执行 gpt-commit-summarizer 操作。具体做法是在您控制的服务器上设置一个运行器，然后将其添加到您的仓库中。\n\n要设置自托管运行器，您需要执行以下步骤：\n\n* 在您的服务器上安装 GitHub Actions Runner。请按照[文档](https:\u002F\u002Fdocs.github.com\u002Fen\u002Factions\u002Fhosting-your-own-runners\u002Fadding-self-hosted-runners)中的说明进行操作。\n* 将自托管运行器添加到您的仓库。同样，请遵循文档中的说明。\n* 修改工作流文件以使用自托管运行器。打开 `.github\u002Fworkflows\u002Fgpt-commit-summarizer.yml` 文件，添加 `runs-on` 字段，指定您想要使用的自托管运行器。例如：\n\n```yaml\nname: GPT Commits summarizer\n# 摘要：此操作将在拉取请求中为每个提交撰写评论，并为每个被修改的文件生成摘要，将其添加到评审页面；同时，它还会根据所有提交摘要和文件差异摘要编译出一份 PR 汇总摘要，并删除过时的代码评审评论。\n\non:\n  pull_request:\n    types: [opened, synchronize]\n\njobs:\n  summarize:\n    runs-on: self-hosted\n    permissions: write-all  # 某些仓库可能需要这一行\n\n    steps:\n      - uses: KanHarI\u002Fgpt-commit-summarizer@master\n        env:\n          GITHUB_TOKEN: ${{ secrets.GITHUB_TOKEN }}\n          OPENAI_API_KEY: ${{ secrets.OPENAI_API_KEY }}\n```\n\n## 遇到任何 bug 吗？\n\n如果您遇到任何 bug 或有任何改进建议，请在仓库中提交一个问题。或者，您也可以通过我的[电子邮件](mailto:knaan.harpaz@gmail.com)与我联系。\n\n## 许可证\n\n本项目采用 [MIT 许可证](.\u002FLICENSE)授权。\n\n[cli]: https:\u002F\u002Fgithub.com\u002Fsoof-golan\u002Fadd-gpt-summarizer","# gpt-commit-summarizer 快速上手指南\n\n`gpt-commit-summarizer` 是一个强大的 GitHub Action 工具，利用 OpenAI 的大语言模型（text-davinci-003）自动分析 Pull Request (PR) 中的代码变更。它能生成每个提交（commit）和修改文件的摘要，并汇总成一份完整的 PR 评论，帮助团队更高效地理解大型代码库的变更。\n\n## 环境准备\n\n在开始之前，请确保满足以下条件：\n\n*   **GitHub 仓库权限**：你需要拥有目标仓库的管理员或写入权限，以便配置 Secrets 和工作流。\n*   **Node.js**（仅自动安装模式需要）：如果你选择使用 CLI 工具进行自动设置，本地需安装 Node.js。\n*   **OpenAI API Key**：必须拥有一个有效的 OpenAI API 密钥。如果没有，请前往 [OpenAI 官网](https:\u002F\u002Fbeta.openai.com\u002Fdocs\u002Fquickstart) 注册获取。\n\n## 安装步骤\n\n### 1. 配置 OpenAI API 密钥\n\n为了安全起见，切勿将 API 密钥硬编码在代码中。请将其添加为 GitHub Repository Secret：\n\n1.  进入你的 GitHub 仓库页面。\n2.  点击 **Settings**（设置） > **Secrets and variables** > **Actions**。\n3.  点击 **New repository secret**（新建仓库密钥）。\n4.  填写以下信息：\n    *   **Name**: `OPENAI_API_KEY`\n    *   **Value**: 你的 OpenAI API 密钥字符串。\n5.  点击 **Add secret** 保存。\n\n### 2. 添加工作流文件\n\n你可以通过以下两种方式之一将工具集成到仓库中：\n\n#### 方式 A：自动安装（推荐，需本地有 Node.js）\n\n在终端中进入你的项目根目录，运行以下命令自动创建配置文件：\n\n```shell\nnpx add-gpt-summarizer@latest\n```\n\n#### 方式 B：手动安装\n\n在项目根目录下创建文件 `.github\u002Fworkflows\u002Fgpt-commit-summarizer.yml`，并将以下内容复制进去：\n\n```yaml\nname: GPT Commits summarizer\n# Summary: This action will write a comment about every commit in a pull request, as well as generate a summary for every file that was modified and add it to the review page, compile a PR summary from all commit summaries and file diff summaries, and delete outdated code review comments\n\non:\n  pull_request:\n    types: [opened, synchronize]\n\njobs:\n  summarize:\n    runs-on: ubuntu-latest\n    permissions: write-all  # Some repositories need this line\n\n    steps:\n      - uses: KanHarI\u002Fgpt-commit-summarizer@master\n        env:\n          GITHUB_TOKEN: ${{ secrets.GITHUB_TOKEN }}\n          OPENAI_API_KEY: ${{ secrets.OPENAI_API_KEY }}\n```\n\n## 基本使用\n\n配置完成后，无需额外操作，工具会自动运行。\n\n1.  **触发机制**：当你向仓库发起一个新的 Pull Request (`opened`) 或向现有 PR 推送新代码 (`synchronize`) 时，GitHub Actions 会自动触发该工作流。\n2.  **查看结果**：\n    *   工作流运行结束后，机器人会在该 PR 的对话区发表一条评论。\n    *   评论内容包含：每个 Commit 的变更摘要、每个修改文件的差异摘要，以及基于所有信息生成的整体 PR 总结。\n    *   工具还会自动清理过时的代码审查评论，保持讨论区整洁。\n\n**示例场景**：\n开发者提交了一个包含复杂逻辑重构的 PR。合并前，维护者查看 `gpt-commit-summarizer` 生成的评论，快速了解了核心改动点，无需逐行阅读所有 Diff，从而加速了代码审查流程。","某电商平台的后端团队正在紧急重构支付模块，一名资深工程师提交了一个包含 15 个细粒度提交（commit）的大型 Pull Request，涉及多个核心文件的逻辑变更。\n\n### 没有 gpt-commit-summarizer 时\n- 审查者需要手动逐个展开 15 个提交记录，阅读晦涩的 Git Diff 才能拼凑出完整的修改意图，耗时极长。\n- 由于缺乏高层级的摘要，团队成员很难快速判断此次重构是否影响了现有的订单流程，导致代码审查迟迟无法启动。\n- 提交信息中充斥着\"fix bug\"、\"update logic\"等模糊描述，审查者必须深入代码细节才能理解具体改动，沟通成本高昂。\n- 随着代码库日益庞大，新加入的开发者面对复杂的变更历史感到困惑，难以快速上手参与协作。\n\n### 使用 gpt-commit-summarizer 后\n- 工具自动分析每个提交和文件差异，在 PR 页面直接生成清晰的自然语言摘要，审查者只需几分钟即可掌握全局变更。\n- 系统进一步汇总所有提交内容，生成一份整体的 PR 综述评论，明确指出支付逻辑的关键变化点，让风险评估变得直观高效。\n- 原本模糊的提交信息被转化为具体的业务逻辑描述（如“修复了并发场景下的库存扣减异常”），大幅降低了理解门槛。\n- 自动清理过时的评论并更新最新摘要，确保讨论始终基于最新的代码状态，提升了大型代码库中的协作流畅度。\n\ngpt-commit-summarizer 通过将枯燥的代码差异转化为智能的业务洞察，显著缩短了代码审查周期并提升了团队协作效率。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FKanHarI_gpt-commit-summarizer_95a3b107.png","KanHarI","Itay Knaan-Harpaz","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FKanHarI_d3efacec.png","knaan.harpaz@gmail.com","https:\u002F\u002Fgithub.com\u002FKanHarI",[82,86],{"name":83,"color":84,"percentage":85},"JavaScript","#f1e05a",98.2,{"name":87,"color":88,"percentage":89},"TypeScript","#3178c6",1.8,563,41,"2026-04-02T13:25:05","MIT","Linux, macOS, Windows","未说明",{"notes":97,"python":98,"dependencies":99},"该工具作为 GitHub Action 运行，默认使用 ubuntu-latest 环境。核心依赖是 OpenAI API 密钥（需在 GitHub Secrets 中配置 OPENAI_API_KEY）。若遇到 OpenAI API 屏蔽 GitHub 托管运行器 IP 的问题，建议配置自托管运行器（Self-hosted runner）。自动设置步骤需要本地安装 Node.js 来执行 npx 命令。","未说明 (需安装 Node.js 以运行自动设置脚本)",[100,101],"Node.js","GitHub Actions Runner (可选，用于自托管运行器)",[15,25],"2026-03-27T02:49:30.150509","2026-04-07T09:55:20.896567",[],[107,112],{"id":108,"version":109,"summary_zh":110,"released_at":111},127488,"v1.0.1","修复针对单行文件和已删除文件的错误","2022-12-10T21:40:46",{"id":113,"version":114,"summary_zh":115,"released_at":116},127489,"v1.0.0","首次发布","2022-12-10T21:04:18"]