🤯 前言：你的git log是不是也是这样？
周五快下班了，你匆忙修复了一个 Bug，提交代码：git commit -m "fix"
过了十分钟，发现还有个标点符号不对：git commit -m "update"
又过了一会，合并代码：git commit -m "111"
一个月后，CTO 进行代码审查（Code Review），看着这堆"fix", "update", "111"的提交记录，脸黑得像锅底。
烂的提交记录，不仅让回溯历史变得不可能，更显得你极其不专业。
但说实话，写 Commit Message 是真的很烦。
今天，我们用 AI 把它解决了！写一个 Python 脚本，自动读取你的代码变更，自动生成标准化的提交信息。从此，你的 Git 记录比教科书还漂亮。
📐 核心标准：什么是优雅的 Commit？
在让 AI 干活之前，我们得先定规矩。目前业界最通用的是Conventional Commits规范。
格式如下：<type>(<scope>): <subject>
- feat: 新功能
- fix: 修补 Bug
- docs: 文档修改
- style: 格式（不影响代码运行的变动）
- refactor: 重构（即不是新增功能，也不是修改 bug 的代码变动）
- chore: 构建过程或辅助工具的变动
我们要做的，就是让 AI 自动分析git diff，然后填空。
🛠️ 实现原理：给 Git 装个“大脑”
我们要写的脚本逻辑非常简单，本质上是一个RAG（检索增强生成）的微型应用。
流程图 (Mermaid):
💻 代码实战：Python 脚本一把梭
我们需要用到subprocess库来执行 Git 命令，以及openai库（或者简单的requests）来调用大模型。
1. 环境准备
pipinstallopenai注：你可以使用 OpenAI，也可以使用 DeepSeek、通义千问等兼容 OpenAI 格式的 API，甚至可以用本地的 Ollama。
2. 编写git_ai.py
importsubprocessimportsysfromopenaiimportOpenAI# === 配置区域 ===# 建议将 KEY 放在环境变量中，不要硬编码API_KEY="sk-xxxxxxxxxxxxxxxxxxxx"BASE_URL="https://api.deepseek.com/v1"# 这里以 DeepSeek 为例，便宜又大碗MODEL_NAME="deepseek-chat"client=OpenAI(api_key=API_KEY,base_url=BASE_URL)defget_git_diff():"""获取暂存区的代码差异"""# 检查是否有文件被 addtry:subprocess.check_call(['git','diff','--cached','--quiet'])print("⚠️ 暂存区为空，请先执行 git add")sys.exit(1)exceptsubprocess.CalledProcessError:pass# 有差异，继续# 获取 diff 内容result=subprocess.run(['git','diff','--cached'],capture_output=True,text=True,encoding='utf-8'# 防止中文乱码)returnresult.stdoutdefgenerate_commit_message(diff_content):"""让 AI 根据 Diff 生成 Message"""iflen(diff_content)>3000:# 如果差异太大，截取一部分，防止 Token 爆炸diff_content=diff_content[:3000]+"\n...(truncated)"system_prompt=""" 你是一个资深的 Git 专家。请根据用户的代码变更（git diff），生成一条符合 Conventional Commits 规范的提交信息。 规则： 1. 格式：<type>(<scope>): <subject> 2. type 只能是：feat, fix, docs, style, refactor, perf, test, chore, build, ci。 3. scope 可选，表示修改的模块。 4. subject 简短描述变更内容，使用中文。 5. 不要输出任何解释性文字，只输出 Commit Message 本身。 """response=client.chat.completions.create(model=MODEL_NAME,messages=[{"role":"system","content":system_prompt},{"role":"user","content":f"代码变更如下：\n{diff_content}"}],temperature=0.7)returnresponse.choices[0].message.content.strip()defmain():print("🤖 正在分析代码差异...")diff=get_git_diff()print("🧠 AI 正在思考 Commit Message...")commit_msg=generate_commit_message(diff)print(f"\n✨ 生成建议:\n\n\t{commit_msg}\n")# 交互式确认choice=input("👉 是否使用此消息提交？(y/n/e[edit]): ").lower()ifchoice=='y':subprocess.run(['git','commit','-m',commit_msg])print("✅ 提交成功！")elifchoice=='e':new_msg=input("请输入新的 Commit Message: ")subprocess.run(['git','commit','-m',new_msg])print("✅ 提交成功！")else:print("❌ 已取消提交")if__name__=="__main__":main()🚀 进阶玩法：配置 Git Alias (别名)
每次都要输python git_ai.py太麻烦了。我们要把它伪装成原生的 Git 命令。
- 把脚本放到一个固定的文件夹，比如
~/scripts/git_ai.py。 - 打开你的 Shell 配置文件（
.zshrc或.bashrc），添加别名：
# 这里的 python 换成你具体的 python 路径aliasgcm='python ~/scripts/git_ai.py'- 或者，在
.gitconfig中配置别名：
[alias] ai = "!python ~/scripts/git_ai.py"现在，你只需要在终端输入：
gitadd.gitai奇迹发生了：屏幕上会自动吐出一句精准的总结，比如feat(user): 增加用户登录接口的验证码校验逻辑，你只需要敲个回车，提交完成。
🛡️ 为什么 CTO 会给你点赞？
这不仅仅是为了省事，更是一种**“向上管理”**的手段。
- 可读性飙升：当 CTO 或同事 review 你的代码时，清晰的
feat/fix前缀让他们能一眼看懂你的意图，降低沟通成本。 - 便于自动化生成 Changelog：如果你的 Commit 很规范，可以使用工具（如 standard-version）一键生成版本更新日志。
- 显得专业：在别人还在写 “update” 的时候，你的提交记录井井有条，这种细节最能体现工程师素养。
📝 总结
AI 不一定会替代程序员，但会用 AI 的程序员一定能淘汰不会用的。
把写 Commit Message 这种重复性、消耗脑力但又不得不做的事情交给 LLM，这才是 AI 赋能开发的正确姿势。
赶快动手试试吧，把你的 Git 仓库变成强迫症的“天堂”！
博主留言：
想要获取“适配 Ollama 本地模型的修改版脚本”或者“更复杂的 Prompt 模板（支持多行详细描述）”吗？
在评论区回复“GitAI”，我把完整代码包发给你！
