自动化工作流:基于 Git Commit 与 LLM 的 Changelog 智能生成
自动化工作流基于 Git Commit 与 LLM 的 Changelog 智能生成在产品快速迭代的过程中编写对外发布日志Changelog往往被开发者当作一项烦人的琐事。直接将原始的git log展示给最终用户充斥着大量的“fix typo”、“refactor db”等程序员内部术语对普通用户极不友好。本文设计并实现一套自动化 CLI 工具通过解析 Git 规范提交日志结合 LLM 将底层代码变更“翻译”为用户看得懂的商业语言 Changelog。flowchart LR A[Git Commit Log 历史记录] -- B[Standard Commit 节点过滤器] B --|过滤属于 feat / fix 的提交| C[提取 Git Diff 与抽象摘要] C -- D[构建语义转换 Prompt] D -- E[调用轻量 LLM 进行语言重构] E -- F[生成区分【新功能】与【修复优化】的出版级 Release Notes]一、为什么传统 Changelog 生成工具体验糟糕传统的 Changelog 工具如conventional-changelog完全依赖于正则表达式匹配 Commit 标题。如果开发者提交了feat: update user avatar component传统的工具生成的日志依然是冷冰冰的“更新了用户头像组件”。这种传统模式有三个缺陷缺乏用户视角User-Centric Perspective普通用户关心的不是“改了哪个组件”而是“这个更新能帮我解决什么问题”。噪音堆积重构代码refactor、修改 CI 脚本ci等内部维护工作不应该呈现在面向用户的更新日志中。语言单调无法将分散在多次 commit 中的微小修补聚合为一条完整的语义描述。结合 LLM我们可以实现从“代码逻辑变动”向“用户价值文案”的跨越。二、Git 规范 Commit 解析层首先我们需要从本地 Git 仓库中提取自上一次 Tag/Release 之后的所有提交日志并排除掉无意义的内部修改。// src/gitParser.ts import { execSync } from node:child_process; export interface ParsedCommit { hash: string; type: string; scope: string; subject: string; author: string; } /** * 提取自上一个 Tag 之后的所有规范 Commit */ export function getCommitsSinceLastTag(): ParsedCommit[] { let lastTag ; try { lastTag execSync(git describe --tags --abbrev0).toString().trim(); } catch { // 如果没有 Tag默认读取最近 20 条提交 lastTag ; } const range lastTag ? ${lastTag}..HEAD : -n 20; const rawLog execSync(git log ${range} --prettyformat:%h|%s|%an).toString().trim(); if (!rawLog) return []; const commits: ParsedCommit[] []; const lines rawLog.split(\n); // 正则解析 Conventional Commits 格式: type(scope): subject const commitRegex /^(\w)(?:\(([^)])\))?\s*:\s*(.)$/; for (const line of lines) { const [hash, message, author] line.split(|); const match commitRegex.exec(message); if (match) { const [, type, scope, subject] match; // 过滤仅提取面向用户的 feat (新功能) 和 fix (修复) if ([feat, fix, perf].includes(type.toLowerCase())) { commits.push({ hash, type: type.toLowerCase(), scope: scope || general, subject, author, }); } } } return commits; }三、结合 LLM 的用户语言“翻译”组件拿到过滤后的规范 Commit 列表后将其送入 LLM 转换组件。我们通过系统提示要求模型忽略底层细节以平易近人、富有活力的语气编写更新日志。// src/changelogGenerator.ts import { OpenAI } from openai; import { ParsedCommit } from ./gitParser; const openai new OpenAI(); export interface FormattedChangelog { versionTitle: string; features: string[]; bugFixes: string[]; performanceImprovements: string[]; } export async function generateUserFacingChangelog( commits: ParsedCommit[], versionName: string v1.2.0 ): Promisestring { const commitSummary commits .map((c) - [${c.type.toUpperCase()}] (${c.scope}) ${c.subject}) .join(\n); const prompt 你是一个顶级独立产品的专业产品经理与文案专家。请将以下程序员提交的 Git Commit 日志转换为一份面向最终用户的出版级更新日志 (Release Notes)。 【待转化 Commit 列表】 ${commitSummary} 【撰写要求】 1. 语言要求简体中文语气友好、专业、富有活力。 2. 视角转变不要出现“重构了组件”、“修改了函数”等技术词汇将其转化为对用户的具体价值描述如“修复了某些情况下导出会卡顿的问题”。 3. 结构划分分为 新功能、 问题修复 与 ⚡ 性能优化 三个板块。 4. 聚合同类项如果有多条 Commit 描述的是同一个功能将其合并为一条通顺的说明。 请直接输出 Markdown 格式的日志。; const response await openai.chat.completions.create({ model: gpt-4o-mini, messages: [ { role: system, content: 你只输出高清规范的 Markdown 排版日志。 }, { role: user, content: prompt } ], temperature: 0.2, }); return response.choices[0].message.content || ; }四、CLI 工具封装与自动化应用将解析与生成组件打包为一个本地 Node.js 命令行工具// bin/generate-changelog.ts #!/usr/bin/env node import fs from node:fs; import path from node:path; import { getCommitsSinceLastTag } from ../src/gitParser; import { generateUserFacingChangelog } from ../src/changelogGenerator; async function main() { console.log( 正在解析 Git 提交日志历史...); const commits getCommitsSinceLastTag(); if (commits.length 0) { console.log(⚠️ 未找到自上次发布以来的有效 feat/fix 提交无需更新 Changelog。); return; } console.log( 捕获到 ${commits.length} 条有效提交正在调用 AI 生成用户级 Changelog...); const markdown await generateUserFacingChangelog(commits); const outputPath path.resolve(process.cwd(), CHANGELOG.md); // 将新版本的 Changelog 顶部追加到既有 CHANGELOG.md 中 let existingContent ; if (fs.existsSync(outputPath)) { existingContent fs.readFileSync(outputPath, utf8); } const updatedContent ${markdown}\n\n---\n\n${existingContent}; fs.writeFileSync(outputPath, updatedContent, utf8); console.log(✨ 成功将 AI 生成的用户级 Release Notes 追加至 CHANGELOG.md); } main();五、生成的 Changelog 前后对比效果原生 Git Commit 记录程序员视角- feat(auth): add JWT refreshToken flow - fix(editor): fix selection offset issue in dark mode - perf(canvas): optimize OffscreenCanvas export memoryAI 智能转化后最终用户视角# 1.2.0 版本更新日志 ### 新增功能 - **更无感的登录体验**现在系统支持自动安全续期您不再需要频繁手动重新登录。 ### 问题修复 - **界面体验优化**修复了在暗黑模式下选中文本时可能出现的视觉偏置问题。 ### ⚡ 性能提升 - **导出速度加快**大幅优化了长图导出时的内存占用图片导出体验更加流畅。用确定性的 Git 规范解析过滤噪声再用 AI 翻译为有温度的用户语言是独立产品提升用户好感度的极低成本方式。

相关新闻

私有 PaaS 架构:基于 Dokku 与 Hetzner 的轻量全栈单体部署方案

私有 PaaS 架构:基于 Dokku 与 Hetzner 的轻量全栈单体部署方案

私有 PaaS 架构:基于 Dokku 与 Hetzner 的轻量全栈单体部署方案 随着 AWS 和 GCP 账单复杂度的增加,许多独立开发者开始回归“单体应用与私有部署”。基于 Hetzner 高性价比物理服务器,搭配开源的 Dokku,可以在半小时内打造属于自…

2026/9/27 12:15:45 阅读更多 →
DoIP时间参数配置详解:车载以太网诊断通信的稳定基石

DoIP时间参数配置详解:车载以太网诊断通信的稳定基石

1. DoIP时间参数:车载诊断通信的“心跳”与“节拍”在车载以太网诊断(DoIP)的开发和测试中,我们常常会关注协议栈、路由激活、车辆发现这些“大”功能。然而,真正决定一个诊断通信系统是否稳定、高效、可靠的&#xff…

2026/9/28 20:13:25 阅读更多 →
HoRain云--Pi Agent 上下文管理

HoRain云--Pi Agent 上下文管理

上下文管理是高效使用 Pi Agent 的核心技能。本章介绍如何通过环境文件控制 AI 的行为,以及如何管理对话上下文。上下文文件概述Pi Agent 在启动时会自动加载项目指令文件,让 AI 了解你的项目规范、命令和偏好。这些文件告诉 AI「在这个项目中应该怎样工…

2026/9/29 7:00:43 阅读更多 →

最新新闻

书匠策AI毕业论文功能:它不是“写手”,是把你从“不敢开始”变成“可以改”的那双手

书匠策AI毕业论文功能:它不是“写手”,是把你从“不敢开始”变成“可以改”的那双手

官网:www.shujiangce.com | 微信 公众号 :书匠策AI 书匠策AI官网:www.shujiangce.com 微信公众号搜一搜:书匠策AI 我做论文写作科普这些年,后台收到最多的求助不是“怎么写好”,而是三个字&#xff1a…

2026/9/30 16:32:09 阅读更多 →
tomcat老版本下载tomcat8.5下载

tomcat老版本下载tomcat8.5下载

tomcat老版本下载tomcat8.5下载tomcat老版本下载tomcat8.5下载tomcat老版本下载tomcat8.5下载 https://archive.apache.org/dist/tomcat/tomcat-8/v8.5.99/bin/ 直达链接

2026/9/30 16:32:09 阅读更多 →
Model-Optimizer:大模型推理全链路优化实战指南

Model-Optimizer:大模型推理全链路优化实战指南

1. 项目概述:Model-Optimizer 不是工具名,而是一类工程实践的统称“Model-Optimizer”这个名称乍看像某个开源库或商业软件,但实际在工业级AI推理部署一线,它从来不是指某款具体产品——而是工程师面对真实业务压力时,…

2026/9/30 16:32:09 阅读更多 →
Hindsight:LLM API可观测性调试中间件

Hindsight:LLM API可观测性调试中间件

1. 项目概述:Hindsight 不是“事后诸葛亮”,而是一套可落地的 LLM 应用观测与调试基础设施 你有没有遇到过这样的场景:一个基于 OpenAI API 的对话服务在线上平稳跑了三天,第四天凌晨突然开始大量返回 401 Unauthorized: incorr…

2026/9/30 16:32:09 阅读更多 →
开题报告被导师骂“没脑子”,问题真的出在“脑子”上吗?

开题报告被导师骂“没脑子”,问题真的出在“脑子”上吗?

官网:www.shujiangce.com | 微信 公众号 :书匠策AI 书匠策AI官网:www.shujiangce.com 微信公众号搜一搜:书匠策AI 每年开题季,我都会收到大量学生的私信。出现频率最高的一句话是:“导师说我的开题报告…

2026/9/30 16:32:09 阅读更多 →
Unity UGUI Dropdown控件深度解析与实战避坑指南

Unity UGUI Dropdown控件深度解析与实战避坑指南

1. 这不是个“点一下就完事”的控件:Dropdown在UGUI里到底干啥用的你打开Unity编辑器,拖一个Dropdown进Canvas,点开下拉箭头,选个选项,看起来确实简单。但如果你真以为它只是个“美化版的单选框”,那接下来…

2026/9/30 16:31:08 阅读更多 →

日新闻

Base64 图片头部特征识别:从文件头到格式判断的完整指南

Base64 图片头部特征识别:从文件头到格式判断的完整指南

1. 项目概述:为什么说看懂 base64 图片头部是基本功这几年跟 base64 打交道的机会越来越多,后端接口返回图片、前端渲染验证码、小程序里存小图、还有一些老系统导出报表,动不动就给你一段长到怀疑人生的 base64 字符串。很多人拿到字符串就直…

2026/9/30 0:00:35 阅读更多 →
Java公交站牌广告管理系统:JSP+Servlet+MySQL实战落地指南

Java公交站牌广告管理系统:JSP+Servlet+MySQL实战落地指南

简介:本资源是一份面向Java初学者与课程设计学生的公交站牌广告灯箱管理系统毕业设计文档,聚焦城市公共广告资源信息化管理痛点,提供从需求分析到技术实现的完整方案。文档采用标准学术论文结构,含摘要、英文摘要、目录及五章正文…

2026/9/30 0:00:35 阅读更多 →
用 Redis Lua 构建大模型 API 多租户原子配额治理体系

用 Redis Lua 构建大模型 API 多租户原子配额治理体系

我去年年底接了一个内部 AI 平台的治理需求,背景很直接:公司把 DeepSeek、MiniMax 这类大模型 API 统一封装成内部网关,开放给几个业务团队用。结果第一个月账单出来,额度直接超了 4 倍。仔细查日志,发现原因并不复杂—…

2026/9/30 0:00:35 阅读更多 →

周新闻

如何划分训练/验证集:Spirula Studio五种eval_mode策略详解

如何划分训练/验证集:Spirula Studio五种eval_mode策略详解

如何划分训练/验证集:Spirula Studio五种eval_mode策略详解 【免费下载链接】spirula-studio Cross-vendor 3D Gaussian Splatting trainer - video to splat to mesh, Vulkan or CUDA. 项目地址: https://gitcode.com/GitHub_Trending/sp/spirula-studio Sp…

2026/9/30 13:14:22 阅读更多 →
SEO怎么推广速查手册新手避坑实战指南

SEO怎么推广速查手册新手避坑实战指南

SEO怎么推广速查手册新手避坑实战指南 模板网站太丑不够用?别急着加滤镜,那是治标不治本。很多老板盯着后台流量掉得眼红,却还在纠结首页Banner的圆角是不是3像素。这就像穿着西装去挖土,姿势不对,努力白费。我整理这份 速查手册…

2026/9/29 16:41:41 阅读更多 →
FireRed-OpenStoryline少样本仿写深度解析:AI Agent如何复刻你的独特文案风格与节奏

FireRed-OpenStoryline少样本仿写深度解析:AI Agent如何复刻你的独特文案风格与节奏

FireRed-OpenStoryline少样本仿写深度解析:AI Agent如何复刻你的独特文案风格与节奏 【免费下载链接】FireRed-OpenStoryline FireRed-OpenStoryline is an AI video editing agent that transforms manual editing into intention-driven directing through natural language …

2026/9/30 13:14:49 阅读更多 →

月新闻

持续集成 流水线自动化与 声明式交付 实践:原型怎样变成可用功能

持续集成 流水线自动化与 声明式交付 实践:原型怎样变成可用功能

持续集成 流水线自动化与 声明式交付 实践:原型怎样变成可用功能分类:[AI/大模型]细分主题:AI 增强型 CI/CD 流水线自动化与 GitOps 实践:Agent 工作流、工具调用与任务拆解:从原型到生产的验收清单很多团队在尝试用大…

2026/9/29 19:29:29 阅读更多 →
容器编排 生产环境运维与排障实战:复盘记录怎样真正派上用场

容器编排 生产环境运维与排障实战:复盘记录怎样真正派上用场

容器编排 生产环境运维与排障实战:复盘记录怎样真正派上用场分类:[工程技术]细分主题:Kubernetes 生产环境运维与排障实战:可复制的项目复盘模板与决策记录大部分团队的事故复盘报告,最后都变成了躺在 Confluence 或钉…

2026/9/29 5:58:00 阅读更多 →
容器 容器化技术与镜像安全管理:核心链路应该先拆哪一步

容器 容器化技术与镜像安全管理:核心链路应该先拆哪一步

容器 容器化技术与镜像安全管理:核心链路应该先拆哪一步分类:[工程技术]细分主题:Docker 容器化技术与镜像安全管理:核心链路的逐步实现与关键代码取舍面对一个积累了五六年历史包袱的单体架构应用(包含 Web 接口、后台…

2026/9/30 15:27:04 阅读更多 →