gptcommit

GitHub
2.4k 82 简单 1 次阅读 5天前MIT语言模型插件
AI 解读 由 AI 自动生成,仅供参考

gptcommit 是一款专为开发者设计的 Git 辅助工具,旨在利用大语言模型(如 OpenAI GPT)自动生成清晰、详尽的代码提交信息。它通过作为 Git 的 prepare-commit-msg 钩子运行,在用户执行 git commit 时自动分析代码变更并生成描述,让开发者能将精力完全集中在核心编码工作上,从而解决了手动撰写高质量提交说明耗时费力且容易流于形式的痛点。

该工具特别适合希望规范版本控制流程、提升协作效率的软件工程师和开源贡献者。其技术亮点在于灵活的配置体系:支持全局、本地仓库及环境变量三级配置优先级,允许用户自定义 API 密钥、切换不同的模型版本,甚至指定生成语言(默认英语,可配置为中文等)。此外,gptcommit 兼容标准的 OpenAI 环境变量,并能适配自定义 API 地址,既保证了使用的便捷性,也满足了企业对数据隐私和成本控制的多样化需求。安装后,若对自动生成的内容不满意,用户仍可随时进行人工编辑,实现了自动化与灵活性的完美平衡。

使用场景

某后端开发工程师正在紧急修复一个涉及数据库事务和缓存一致性的复杂 Bug,提交代码前需要撰写准确的 Commit 信息。

没有 gptcommit 时

  • 开发者需手动逐行阅读 git diff 中数十行的代码变动,耗费大量精力梳理逻辑。
  • 容易遗漏关键细节(如某个边界条件的处理),导致提交信息描述模糊或不完整。
  • 为了赶进度,往往随意填写"fix bug"或"update code"等敷衍信息,破坏项目提交历史的可读性。
  • 在非母语环境下,还需额外花费时间斟酌英文语法和用词,打断编码心流。
  • 团队成员在 Code Review 时,因提交信息不清而反复询问修改意图,沟通成本高昂。

使用 gptcommit 后

  • 执行 git commit 时,gptcommit 自动分析暂存区的代码差异,秒级生成包含上下文的技术摘要。
  • 生成的提交信息精准覆盖了事务回滚机制和缓存失效策略等核心改动,无关键信息遗漏。
  • 默认输出符合约定式提交(Conventional Commits)规范的清晰文案,直接提升了仓库历史的专业度。
  • 支持通过配置将输出语言设为中文或特定风格,开发者无需再为措辞烦恼,专注逻辑本身。
  • Review 者通过清晰的提交描述即可快速理解修改背景,显著减少了不必要的确认沟通环节。

gptcommit 通过将琐碎的文档工作自动化,让开发者从“写说明”回归到“写代码”,同时保障了团队协作的规范性与效率。

运行环境要求

操作系统
  • Linux
  • macOS
  • Windows
GPU

不需要 GPU,该工具调用 OpenAI API 运行,本地无需显卡

内存

未说明

依赖
notes该工具是用于生成 Git 提交信息的命令行工具,通过调用 OpenAI API 实现功能,因此不需要本地部署大模型或高性能硬件。主要依赖 Rust 环境进行安装(可通过 cargo 或 Homebrew 安装),并需要配置有效的 OpenAI API 密钥。支持通过配置文件或环境变量自定义模型、语言、代理等设置。
python不需要 Python,基于 Rust 开发
Rust (cargo)
OpenAI API Key
gptcommit hero image

快速开始

gptcommit

GitHub Contributors GitHub Stars CI

crates.io 状态 crates.io 下载量 Rust 依赖状态

一个用于借助 OpenAI 语言模型编写提交信息的 Git prepare-commit-msg 钩子。使用该工具,您可以轻松生成清晰、全面且描述性的提交信息,从而专注于编写代码。

请参阅 公告博客文章

演示

asciicast

安装

  1. 推荐使用 cargo 在本地安装此工具。
cargo install --locked gptcommit

或者在 macOS 上使用 Homebrew:

brew install zurawiki/brews/gptcommit
  1. 在您的 git 仓库中,运行以下命令以将 gptcommit 安装为 Git prepare-commit-msg 钩子。您需要提供 OpenAI API 密钥才能完成安装。
gptcommit install

使用方法

要使用 gptcommit,只需像平常一样运行 git commit 即可。钩子会自动使用 GPT 等大型语言模型为您生成提交信息。如果您对生成的信息不满意,可以在提交前随时进行编辑。

注意:默认情况下,gptcommit 使用最快且最具成本效益的 OpenAI 模型。请确保您的 OpenAI 账户中有足够的余额以使用该模型。

功能

gptcommit 支持从 $HOME/.config/gptcommit/config.toml 读取的多种配置选项。配置按以下顺序生效:

  • $HOME/.config/gptcommit/config.toml 读取的用户设置。
  • 从仓库克隆目录 $GIT_ROOT/.git/gptcommit.toml 读取的设置。
  • GPTCOMMIT__* 开头的环境变量。

可通过 gptcommit config keys 查看所有可用的配置选项。

设置您的 OpenAI API 密钥

持久化您的 OpenAI 密钥:

gptcommit config set openai.api_key sk-...

或仅为您的本地仓库设置:

gptcommit config set --local openai.api_key sk-...

您也可以通过 GPTCOMMIT__OPENAI__API_KEY 来配置此设置。

为了与其他 OpenAI 客户端保持兼容,我们也支持 OPENAI_API_KEY 环境变量,该变量具有最高优先级。

设置自定义的 OpenAI API 基础 URL

持久化您的 OpenAI 密钥:

gptcommit config set openai.api_base https://...

或仅为您的本地仓库设置:

gptcommit config set --local openai.api_base https://...

您也可以通过 GPTCOMMIT__OPENAI__API_BASE 或其他方式来配置此设置。

为了与其他 OpenAI 客户端保持兼容,我们也支持 OPENAI_API_BASE 环境变量,该变量具有最高优先级。

尝试不同的 OpenAI 模型

gptcommit 默认使用经济高效的模型。可以通过以下方式配置为使用其他模型:

gptcommit config set openai.model your-model-name

您也可以通过 GPTCOMMIT__OPENAI__MODEL 来配置此设置。

有关公开的 OpenAI 模型列表,请参阅 OpenAI 文档。您还可以引入自己的微调模型。

设置摘要语言

gptcommit 默认使用英语。可以通过以下方式配置为使用其他语言:

gptcommit config set output.lang zh-cn

目前支持的语言如下:

locale code language
en 英语
zh-cn 简体中文
zh-tw 繁體中文
ja 日语

允许在修改提交时重新摘要

gptcommit config set allow-amend true

代理配置支持

使用以下命令配置 OpenAI 代理:

gptcommit config set openai.proxy "my_http_proxy...."

常见问题 / 常见问答

如何减少 OpenAI 的使用费用?

在当前设计中,gptcommit 会发出 N+2 个提示,其中 N 是在 max_token_limit 限制下的已修改文件数量,其余提示分别为标题和摘要。OpenAI Completions 按“token”计费,包括发送和生成的 token 数量。每 token 的价格取决于所使用的模型。通常可以预测生成的 token 数量(因为提交信息一般不会太大),但 gptcommit 可能会发送大量的 diff 数据作为 token。

目前,我认为有两种低成本的解决方案:

  • 使用 openai.model 配置选项切换到其他模型。
  • 减少发送给 OpenAI 的提示和 diff 数据量。

OpenAI 的定价页面可在以下网址找到: https://openai.com/api/pricing/#faq-completions-pricing

我提交时 Git 钩子没有运行

默认情况下,Git 钩子仅在新建提交时运行。如果设置了模板或正在修改提交,则 Git 钩子默认会跳过。

由于 Git 钩子检测到用户提供了自己的模板,因此我们不会用 GPT 替换它。您可以通过确保 git config --local commit.template 为空来移除提交模板。

您可以通过上述配置允许 gptcommit 摘要修改后的提交。

在 GitHub Codespaces 中安装

您需要先安装 Rust 和 cargo 工具链。请记得配置您的 API 密钥。

curl https://sh.rustup.rs -sSf | sh
bash
cargo install --locked gptcommit

# 插入您的 OpenAI API 密钥 https://platform.openai.com/account/api-keys
gptcommit config set openai.api_key # sk-...

衍生作品

所有这些出色的项目都是基于 gptcommit 构建的。

遇到任何错误吗?

如果您遇到任何错误或有任何改进建议,请在仓库中提交一个问题。

许可证

本项目采用 MIT 许可证 许可。


详细帮助使用

$ gptcommit -h
用法:gptcommit [选项] <命令>

命令:
  install             安装 Git 钩子
  uninstall           卸载 Git 钩子
  config              读取和修改设置
  prepare-commit-msg  在 prepare-commit-msg 钩子上运行
  help                打印此消息或给定子命令的帮助信息

选项:
  -v, --verbose  启用详细日志记录
  -h, --help     打印帮助信息
  -V, --version  打印版本号
$ gptcommit install -h
安装 Git 钩子

用法:gptcommit install [选项]

选项:
  -v, --verbose  启用详细日志记录
  -h, --help     打印帮助信息
  -V, --version  打印版本号
$ gptcommit uninstall -h
卸载 Git 钩子

用法:gptcommit uninstall [选项]

选项:
  -v, --verbose  启用详细日志记录
  -h, --help     打印帮助信息
  -V, --version  打印版本号
$ gptcommit config -h
读取和修改设置

用法:gptcommit config [选项] <命令>

命令:
  keys    列出所有配置键
  list    列出所有配置值
  get     读取一个配置值
  set     设置一个配置值
  delete  清除一个配置值
  help    打印此消息或给定子命令的帮助信息

选项:
  -v, --verbose  启用详细日志记录
  -h, --help     打印帮助信息
  -V, --version  打印版本号
$ gptcommit config keys
allow_amend
file_ignore
model_provider
openai.api_base
openai.api_key
openai.model
openai.proxy
openai.retries
output.conventional_commit
output.conventional_commit_prefix_format
output.lang
output.show_per_file_summary
prompt.commit_summary
prompt.commit_title
prompt.conventional_commit_prefix
prompt.file_diff
prompt.translation

版本历史

v0.5.172024/10/12
v0.5.162024/01/30
v0.5.142023/10/17
v0.5.132023/09/02
v0.5.122023/09/02
v0.5.112023/08/01
v0.5.102023/07/05
v0.5.92023/06/17
v0.5.82023/04/24
v0.5.72023/04/06
v0.5.62023/04/03
v0.5.52023/03/31
v0.5.42023/03/29
v0.5.32023/03/27
v0.5.22023/03/27
v0.5.12023/03/27
v0.5.02023/03/23
v0.4.12023/03/19
v0.4.02023/03/18
v0.3.22023/03/17

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

139k|★★☆☆☆|今天
开发框架Agent语言模型

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。

87.6k|★★☆☆☆|今天
开发框架语言模型

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。

85k|★★☆☆☆|今天
图像数据工具视频

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。

77.1k|★★★☆☆|昨天
Agent图像开发框架

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。

74.9k|★★★☆☆|今天
语言模型图像开发框架

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。

70.6k|★★★☆☆|今天
语言模型Agent开发框架