每日热门skill-别再让 AI 的提交记录背锅了！33K 下载的 git-workflow，把工程师的 Git 洁癖焊进了 Agent

免费基金定投助手全功能拆解：为什么你的基金定投还在亏钱？因为你的工具用错了。动态平衡仓位管理+8种智能定投策略引擎，会自己算买卖点的定投系统-CSDN博客

https://download.csdn.net/download/weitingfu/93448039?spm=1001.2014.3001.5503

凌晨一点。你合上电脑前，最后看了一眼 git log。

满屏的 update、fix bug、wip。中间还混着一条 Co-Authored-By: Claude。

你皱眉。

这是团队引入 AI 写代码的第三个月。代码越来越能打，提交记录却越来越像草稿纸。code review 的时候，别人看着你的提交历史，像在考古。

问题出在哪？

不是 AI 不会写代码。是没人教它怎么当一个合格的工程师。

今天要聊的 git-workflow，就是来补这一课的。

一、ClawHub 上的 4.9 分爆款

git-workflow（全名 @niracler/nini-git-workflow）是 ClawHub 技能市场里最受欢迎的 Git 自动化 Skill 之一：33,000+ 下载，4.9/5 评分——在自动化与效率类 Top 榜单里，它是评分最高的那一个。

一句话说清楚它是什么：

一个让 AI Agent 按照工程师标准执行 commit、PR、release 全流程的标准化技能包。

它不教 AI 写代码。它教 AI 把代码"交付"得像个人样。

类比一下：Git 是工程界的"病历本"。病历写得潦草，再好的手术也没人敢信。git-workflow 就是那个逼着 AI 把病历写工整的"主治医师"。

二、三分钟装好它

前置条件很少：

安装就一条命令：

openclaw skills install @niracler/nini-git-workflow

没有 OpenClaw？用 ClawHub CLI 也一样：

npx clawhub@latest install nini-git-workflow

装完，你只需要对 Agent 说一句：

• 「帮我提交一下」
• 「创建 PR」
• 「打 tag 发个 v1.2.0」

它就会自己接管后面的所有流程。

注意，它也有"边界感"：批量仓库同步、纯 Git 知识问答、特定平台（如云效）的 MR 创建，它明确不碰，会引导你走对应的专用 Skill。这很重要——一个 Skill 只干一件事，才不会越权闯祸。

三、三个核心能力，拆开看

1. Commit：让提交信息像被格式化了

git-workflow 强制使用 Conventional Commits 规范：

type(scope): concise summary

• type 只能是：feat、fix、refactor、docs、test、chore、style、ci、perf、build、revert
• summary 用祈使句，简洁、直击要点
• 可选 bullet 最多 3-4 条，短而聚焦

它有一条铁律值得所有团队抄走：

diff 说明"改了什么"，commit message 说明"为什么改"。

AI 默认只会描述前者。这个 Skill 逼它交代后者。

2. PR：散文式描述，不是模板堆砌

PR 描述长这样：

feat(auth): add OAuth2 support

用户现在可以用 GitHub 账号登录了。实现上复用了现有的
session 中间件，并补充了 token 过期刷新逻辑。

验证: 本地跑通 3 组登录流程，单测通过。

规则很硬：散文，不是模板。禁止 Markdown 标题、禁止 emoji bullet、禁止把 commit 列表复制粘贴上去。要有主题句，要有 2-3 句解释"为什么"，要有"验证"行。

这套规矩，把 PR 从"流水账"变成了"技术方案说明"。

3. Release：一键走完发版全流程

版本号、CHANGELOG、tag、GitHub Release，四件套一气呵成：

1. 更新项目版本文件
2. 更新 CHANGELOG.md
3. git commit -m "chore(release): bump version to 1.2.0" 并推送
4. git tag v1.2.0 并推送
5. gh release create v1.2.0 发布

每一步都有明确指令，顺序固定，错误率趋近于零。

四、藏在细节里的工程师灵魂

真正让这个 Skill 封神的，是几个"默认行为"。它们几乎是老工程师肌肉记忆的完整复刻：

1. 禁止 AI 签名。 Commit 和 PR 里严禁出现 Co-Authored-By: Claude、Generated with Claude Code 之类的 AI 标记。理由很朴素：仓库历史是团队资产，不是模型广告位。

2. 提交即推送。 commit 完必须立刻 push，不许问。有 upstream 就 git push，没有就 git push -u origin。绝不让你陷入"本地改了三天，远程还是旧代码"的窘境。

3. 单目的提交。 一个 commit 只做一件事。改动横跨多个 type 或 scope？拆开再推。这条规则治好了 AI 最常见的病：一坨 commit 里塞五个无关改动。

4. 平台自动感知。 它先读 git remote get-url origin 判断你在哪个平台：

装一个 Skill，GitHub / GitLab / 云效都认。

5. 自带校验器。 Skill 内置 scripts/validate_commit.py，提交前自动检查格式：

python3 scripts/validate_commit.py "feat(auth): add OAuth2 support"
python3 scripts/validate_commit.py --file .git/COMMIT_EDITMSG

检查项包括：Conventional Commits 格式、subject 行长度（超过 72 字符报错）、type 是否在枚举内。等于给 commit message 装了个 linter。

五、技术架构：一个 Skill 是怎么"长"出来的

拆开看，它就是一个标准 OpenClaw Skill 目录：

nini-git-workflow/
├── SKILL.md                 # 给 Agent 的指令手册（触发规则 + 流程 + 铁律）
├── scripts/
│   └── validate_commit.py   # commit message 校验脚本
└── docs/
    └── examples-and-templates.md  # 好/坏示例、PR 模板、CHANGELOG 格式

核心机制是 SKILL.md 指令 + 脚本兜底 的双层结构：

• SKILL.md 告诉 Agent"什么场景做什么事、什么规则不能违反"——这是软约束，靠模型理解执行；
• validate_commit.py 做硬校验——格式错了就是报错，不给你糊弄的空间。

软硬结合，是这个 Skill 设计最聪明的地方。纯靠提示词约束，模型会偶尔"忘记"；有脚本卡着，就万无一失。

配套的语义化版本（Semantic Versioning）则保证了版本号、tag、CHANGELOG 三者永远对齐，不会出现"代码 v1.2.0，CHANGELOG 还停在 1.1"的尴尬。

六、同类 Skill 横评：它凭什么是最优解

市面上同类产品不少，我拉了一张对比表：

一句话总结：github-skill 管的是"和 GitHub 平台打交道"，git-workflow 管的是"把本地提交这件事做规范"。前者是手，后者是规矩。两者可以一起装，不冲突。

七、优点与短板，如实说

优点：

• 规则极硬核，几乎复刻了成熟团队的 Git 规范
• 平台感知做得好，GitHub/GitLab/云效开箱即用
• 软硬结合的校验机制，防呆防错
• 安装零依赖（除 git 本身），上手快

短板：

• 需要 gh CLI 才能用 PR/Release 全功能，没装的用户要补一步
• 默认"提交即推送"，在不想立即推远端的场景（比如本地实验分支）会略显激进
• 对中文用户的提示主要靠触发词，部分交互细节仍以英文指令为主
• 它强制的是一套"约定"，团队若有自己的 commit 规范，需要二次适配

八、行动号召

如果你团队已经让 AI 写代码，却还在忍受满屏的 update 和 fix bug——别等了。

装上 git-workflow，然后对你的 Agent 说一句：

「帮我提交，按规矩来。」

从此以后，你的 git log 会干净得像一本出版的书。

AI 写代码的时代，提交记录就是工程师的签名。让 AI 学会把名字签漂亮，是每个团队都该补的一课。

关键词： git-workflow、ClawHub、OpenClaw、Conventional Commits、AI Agent、Git 自动化、PR 管理