commitgpt
commitgpt 是一款专为开发者设计的命令行工具,旨在利用 ChatGPT 的能力自动生成规范的 Git 提交信息。在日常开发中,编写清晰且符合标准的提交说明往往耗时费力,commitgpt 通过自动分析暂存区的代码变更(git diff),智能生成多条建议消息,有效解决了开发者“不知道如何写提交备注”或“懒得写备注”的痛点。
该工具特别适合追求高效工作流的软件工程师和开源贡献者。它支持高度自定义配置,用户不仅可以通过 .commitgpt.json 文件调整所使用的 AI 模型及参数,还能利用 .commitgpt-template 文件定制提示词模板,确保生成的提交信息严格遵循“约定式提交”(Conventional Commits)规范,如 feat(scope): description 格式。只需在终端运行一条命令,commitgpt 即可读取差异内容并请求 AI 提供建议,让版本管理变得更加轻松规范。无论是个人项目还是团队协作,它都能帮助保持提交历史的专业性与可读性,是提升开发效率的实用助手。
使用场景
某后端开发团队在冲刺阶段集中修复了多个模块的紧急 Bug,涉及身份验证、数据库连接池及日志格式化等复杂变更。
没有 commitgpt 时
- 开发者面对大量代码变动,难以快速提炼出精准且符合规范的提交摘要,往往只能写下"fix bug"或"update code"等模糊描述。
- 手动编写符合 Conventional Commits 规范(如
feat(scope): description)的消息耗时费力,容易因格式不统一导致自动化发布流程失败。 - 在疲劳作战下,提交信息经常遗漏关键上下文,后续回溯代码变更原因时需要重新阅读大量 Diff,极大降低了维护效率。
- 团队成员间的提交风格差异巨大,增加了 Code Review 时的沟通成本,审查者需花费额外精力猜测改动意图。
使用 commitgpt 后
- 运行
npx commitgpt即可基于暂存区的 Diff 自动生成多条语义清晰的提交建议,开发者只需选择最贴切的一条即可完成提交。 - 工具默认遵循预设模板,自动输出标准的
<type>[scope]: <description>格式,确保了整个项目提交历史的高度规范化。 - 生成的消息能准确概括代码逻辑变化的核心意图(如"fix(auth): add password regex pattern"),让未来的代码追溯变得直观高效。
- 统一的 AI 生成标准消除了个人写作习惯的差异,使提交记录整洁一致,显著提升了团队协作的流畅度与专业性。
commitgpt 通过将繁琐的文档工作转化为秒级的自动化操作,让开发者能专注于代码本身,同时保障了项目版本历史的清晰与规范。
运行环境要求
- Linux
- macOS
- Windows
未说明
未说明

快速开始
commitgpt
使用 ChatGPT 自动生成提交信息。

如何使用?
npx commitgpt
获取 OpenAI API 密钥
https://platform.openai.com/account/api-keys
配置(可选)
你可以在项目根目录下创建 .commitgpt.json 和/或 .commitgpt-template 配置文件。
.commitgpt.json 文件
默认内容:
{
"model": "text-davinci-003",
"temperature": 0.5,
"maxTokens": 2048,
}
此文件可用于更改 OpenAI 模型及其他参数。
.commitgpt-template 文件
默认内容:
根据以下差异建议 10 条提交信息:
{{diff}}
提交信息应:
- 遵循规范化的提交格式
- 使用 <type>[scope]: <description> 的格式
示例:
- fix(authentication): 添加密码正则表达式模式
- feat(storage): 添加新的测试用例
此文件可用于修改用于生成提示请求的模板。你可以根据自己的需求调整模板。
工作原理
- 执行
git diff --cached - 将差异内容发送给 ChatGPT,请其建议提交信息
- 向用户展示建议
致谢
部分代码和方法受到以下优秀项目的启发:
- https://github.com/acheong08/ChatGPT
- https://github.com/transitive-bullshit/chatgpt-api
- https://github.com/wong2/chat-gpt-google-extension
需要 API 文档吗?请查看 Redocly。
常见问题
相似工具推荐
everything-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。 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。 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
NextChat
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。 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。 NextChat 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。
ML-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。 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。
ragflow
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。 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。 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。
PaddleOCR
PaddleOCR 是一款基于百度飞桨框架开发的高性能开源光学字符识别工具包。它的核心能力是将图片、PDF 等文档中的文字提取出来,转换成计算机可读取的结构化数据,让机器真正“看懂”图文内容。 面对海量纸质或电子文档,PaddleOCR 解决了人工录入效率低、数字化成本高的问题。尤其在人工智能领域,它扮演着连接图像与大型语言模型(LLM)的桥梁角色,能将视觉信息直接转化为文本输入,助力智能问答、文档分析等应用场景落地。 PaddleOCR 适合开发者、算法研究人员以及有文档自动化需求的普通用户。其技术优势十分明显:不仅支持全球 100 多种语言的识别,还能在 Windows、Linux、macOS 等多个系统上运行,并灵活适配 CPU、GPU、NPU 等各类硬件。作为一个轻量级且社区活跃的开源项目,PaddleOCR 既能满足快速集成的需求,也能支撑前沿的视觉语言研究,是处理文字识别任务的理想选择。
OpenHands
OpenHands 是一个专注于 AI 驱动开发的开源平台,旨在让智能体(Agent)像人类开发者一样理解、编写和调试代码。它解决了传统编程中重复性劳动多、环境配置复杂以及人机协作效率低等痛点,通过自动化流程显著提升开发速度。 无论是希望提升编码效率的软件工程师、探索智能体技术的研究人员,还是需要快速原型验证的技术团队,都能从中受益。OpenHands 提供了灵活多样的使用方式:既可以通过命令行(CLI)或本地图形界面在个人电脑上轻松上手,体验类似 Devin 的流畅交互;也能利用其强大的 Python SDK 自定义智能体逻辑,甚至在云端大规模部署上千个智能体并行工作。 其核心技术亮点在于模块化的软件智能体 SDK,这不仅构成了平台的引擎,还支持高度可组合的开发模式。此外,OpenHands 在 SWE-bench 基准测试中取得了 77.6% 的优异成绩,证明了其解决真实世界软件工程问题的能力。平台还具备完善的企业级功能,支持与 Slack、Jira 等工具集成,并提供细粒度的权限管理,适合从个人开发者到大型企业的各类用户场景。