📄 工具详情 ⚙️ 安装教程 📚 使用教程
能力标签
🔄 工作流💻 CLI🔗 REST API🧠 Claude✨ GPT
AI提交消息生成器
⚙️
Agent工作流

AI提交消息生成器

基于 Rust · 无代码搭建完整 AI 自动化流程
英文名：llm-git
⭐ 35 Stars 🍴 5 Forks 💻 Rust 📄 MIT 🏷 AI 8.0分
8.0AI 综合评分
AI自动化Rust命令行工具
⬇ 下载源码 ZIP ⚙️ 配置说明 📺 TG 频道
✦ AI Skill Hub 推荐

AI提交消息生成器 是 AI Skill Hub 本期精选Agent工作流之一。综合评分 8.0 分，整体质量较高。我们强烈推荐将其纳入你的 AI 工具库，帮助提升工作效率。

📚 深度解析

AI提交消息生成器 是一套完整的 AI Agent 自动化工作流方案。随着 AI 能力的不断提升，基于 Agent 的自动化工作流正在成为提升个人和团队效率的核心方式。区别于传统的 RPA 自动化（模拟鼠标键盘操作），AI Agent 工作流通过理解任务意图、动态规划执行路径，能够处理更复杂的非结构化任务。

AI提交消息生成器 工作流的设计遵循"最小配置，最大复用"原则：核心逻辑已经封装好，用户只需配置自己的 API Key 和业务参数即可快速上手。工作流内置错误处理和重试机制，在网络波动或 API 限速等情况下仍能稳定运行，适合作为生产环境的自动化基础设施。

在实际部署时，建议先在测试环境中运行 3-5 次，验证各个环节的输出结果符合预期，再部署到生产环境。AI Skill Hub 评分 8.0 分，是同类 Agent 工作流中的精选推荐。

📋 工具概览

AI提交消息生成器 是一套完整的 AI Agent 自动化工作流方案。通过可视化的节点编排，将复杂的多步骤任务拆解为清晰的自动化流程，实现全程无人值守的智能处理。支持与数百种外部服务和 API 无缝集成，适合构建数据处理管线、业务自动化和 AI 辅助决策系统。

GitHub Stars
⭐ 35
开发语言
Rust
支持平台
Windows / macOS / Linux
维护状态
轻量级项目，按需更新
开源协议
MIT
AI 综合评分
8.0 分
工具类型
Agent工作流
Forks
5

📖 中文文档

以下内容由 AI Skill Hub 根据项目信息自动整理，如需查看完整原始文档请访问底部「原始来源」。

AI提交消息生成器 是一套完整的 AI Agent 自动化工作流方案。通过可视化的节点编排，将复杂的多步骤任务拆解为清晰的自动化流程，实现全程无人值守的智能处理。支持与数百种外部服务和 API 无缝集成，适合构建数据处理管线、业务自动化和 AI 辅助决策系统。

📌 核心特色
  • 可视化 Agent 工作流编排，无需编写复杂代码
  • 支持多步骤自动化任务链，实现全流程无人值守
  • 与外部 API、数据库和第三方服务无缝集成
  • 内置错误处理与自动重试机制，保障稳定运行
  • 提供可复用的自动化模板，快速在同类场景部署
🎯 主要使用场景
  • 自动化日常重复性工作，将精力集中于创造性任务
  • 构建数据采集 → 处理 → 输出的完整自动化管线
  • 实现跨平台、跨系统的数据流转和业务协同
以下安装命令基于项目开发语言和类型自动生成，实际以官方 README 为准。
安装命令
# 方式一：cargo install（推荐）
cargo install llm-git

# 方式二：从源码编译
git clone https://github.com/can1357/llm-git
cd llm-git
cargo build --release
# 二进制在 ./target/release/llm-git
📋 安装步骤说明
  1. 访问 GitHub 仓库获取工作流文件
  2. 在对应平台（Dify / Flowise / Make 等）中找到「导入工作流」功能
  3. 上传工作流文件
  4. 按照提示配置必要的环境变量和 API Key
  5. 运行测试确认流程正常后投入使用
以下用法示例由 AI Skill Hub 整理，涵盖最常见的使用场景。
常用命令 / 代码示例
# 查看帮助
llm-git --help

# 基本运行
llm-git [options] <input>

# 详细使用说明请查阅文档
# https://github.com/can1357/llm-git
以下配置示例基于典型使用场景生成，具体参数请参照官方文档调整。
配置示例
# llm-git 配置说明
# 查看配置选项
llm-git --config-example > config.yml

# 常见配置项
# output_dir: ./output
# log_level: info
# workers: 4

# 环境变量（覆盖配置文件）
export LLM_GIT_CONFIG="/path/to/config.yml"
📑 README 深度解析 真实文档 完整度 74/100 查看 GitHub 原文 →
以下内容由系统直接从 GitHub README 解析整理，保留代码块、表格与列表结构。

简介

<p align="center"> <img src="https://raw.githubusercontent.com/can1357/llm-git/main/assets/banner.png" alt="lgit"> </p>

<p align="center"> <strong>LLM-powered git commit message generator</strong> </p>

<p align="center"> <a href="https://github.com/can1357/llm-git/actions"><img src="https://img.shields.io/github/actions/workflow/status/can1357/llm-git/ci.yml?style=flat&colorA=222222&colorB=3FB950" alt="CI"></a> <a href="https://pypi.org/project/lgit-cli/"><img src="https://img.shields.io/pypi/v/lgit-cli?style=flat&colorA=222222&colorB=3FB950" alt="PyPI"></a> <a href="https://github.com/can1357/llm-git/blob/main/LICENSE"><img src="https://img.shields.io/github/license/can1357/llm-git?style=flat&colorA=222222&colorB=58A6FF" alt="License"></a> <a href="https://www.python.org"><img src="https://img.shields.io/badge/Python-3.14%2B-3FB950?style=flat&colorA=222222&logo=python&logoColor=white" alt="Python"></a> </p>

<p align="center"> Generates <a href="https://www.conventionalcommits.org">conventional commits</a> from git diffs using Claude AI or any OpenAI-compatible API.<br> Automatic changelog maintenance, multi-commit composition, and full history rewriting. </p>

---

Features

  • Conventional commits — Generates properly formatted commit messages with type, scope, and past-tense summary (≤72 chars)
  • Automatic changelogs — Maintains CHANGELOG.md following Keep a Changelog format with monorepo support
  • Compose mode — Splits large staged changes into multiple logical atomic commits
  • Rewrite mode — Converts entire git history to conventional commits (with automatic backup)
  • Map-reduce analysis — Parallel per-file analysis for large commits without truncation
  • Any LLM provider — Works with Anthropic, OpenAI, OpenRouter, or any OpenAI-compatible API

Features

changelog_enabled = true auto_fast_threshold_lines = 200 # Auto-use fast mode for small diffs; 0 disables map_reduce_enabled = true # Parallel analysis for large commits disable_git_background_features = true # Disables fsmonitor/untrackedCache for lgit subprocesses

Prerequisites

  • Python 3.14+
  • Git
  • API access (Anthropic, OpenAI, OpenRouter, or local LiteLLM proxy)

Install

uv tool install lgit-cli

Installation

Quick Start

```bash

Usage

Provider Examples

Anthropic Direct: 

api_base_url = "https://api.anthropic.com/v1"
api_key = "sk-ant-..."

OpenRouter: 

api_base_url = "https://openrouter.ai/api/v1"
api_key = "sk-or-..."
analysis_model = "anthropic/claude-sonnet-4.5"
summary_model = "anthropic/claude-haiku-4-5"

OpenAI: 

api_base_url = "https://api.openai.com/v1"
api_key = "sk-..."
analysis_model = "gpt-4o"
summary_model = "gpt-4o-mini"

The client asks all providers for markdown/plain-text responses and parses the same response format across OpenRouter, LiteLLM, Anthropic, and OpenAI endpoints.

Configure (pick one)

export LLM_GIT_API_KEY=your_anthropic_key # Direct Anthropic export LLM_GIT_API_URL=https://openrouter.ai/api/v1 # OpenRouter litellm --port 4000 # Local proxy (default)

Configuration

Create ~/.config/llm-git/config.toml:

```toml

Environment Variables

VariableDescriptionDefault
LLM_GIT_API_URLAPI endpointhttp://localhost:4000
LLM_GIT_API_KEYAPI keynone
LLM_GIT_CONFIGConfig file path~/.config/llm-git/config.toml
LLM_GIT_VERBOSEDebug outputfalse
LLM_GIT_TRACE_FILEJSONL profiling trace output pathnone

API

api_base_url = "http://localhost:4000" # Default: LiteLLM proxy api_key = "sk-..." # Or use LLM_GIT_API_KEY env var

🇨🇳 中文文档镜像 AI 翻译 2026-06-15
英文原文章节由系统翻译为中文摘要，便于快速理解。完整原文见上方 "📑 README 深度解析"。
📌 简介

LLM-Git 是一个使用 LLM 运算的 Git 提交信息生成器，旨在为开发者提供高效的提交信息管理体验。

⚡ 功能介绍

LLM-Git 支持以下功能： - 传统提交：生成格式化的提交信息，包括类型、范围和过去式摘要（≤72 个字符） - 自动更改日志：维护 CHANGELOG.md 文件，遵循 Keep a Changelog 格式，支持多仓库 - 组合模式：将大型 staged 变更分解为多个逻辑原子提交 - 重写模式：将整个 Git 历史转换为更改日志

📋 环境依赖

LLM-Git 需要以下环境依赖和系统要求： - Rust nightly 工具链 - Git - API 访问权限（Anthropic、OpenAI、OpenRouter 或本地 LiteLLM 代理）

🛠 安装步骤（Docker/pip/源码）

要安装 LLM-Git，请使用以下命令： cargo install llm-git

🚀 使用教程

使用 LLM-Git 的快速入门如下： ```bash llm-git [选项]... ``` 提供的示例包括 Anthropic 直接、OpenRouter 和 OpenAI。

⚙️ 配置说明（含 MCP / env）

要配置 LLM-Git，请选择以下选项之一： export LLM_GIT_API_KEY=你的 Anthropic 密钥 export LLM_GIT_API_URL=https://openrouter.ai/api/v1 litellm --port 4000 创建 ~/.config/llm-git/config.toml 文件： ```toml [api] api_base_url = "http://localhost:4000" api_key = "sk-..." [env] LLM_GIT_API_URL = https://openrouter.ai/api/v1 LLM_GIT_API_KEY = 你的 Anthropic 密钥 [debug] verbose = true trace_file = "path/to/trace.json" ```

🔌 API 说明

LLM-Git 的 API 基础 URL 默认为 LiteLLM 代理，API 密钥可以通过环境变量 LLM_GIT_API_KEY 或配置文件中的 api_key 设置。

🎯 aiskill88 AI 点评 A 级 2026-06-04

高效的自动化提交消息生成工具，提高开发效率

📚 实用指南（长尾问题）
适合谁
  • 需要 llm-git 解决具体问题的开发者与运营人员
最佳实践
  • 先在测试环境跑通最小用例，再接入生产数据
常见错误
  • API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
部署方案
  • CLI：直接 npm install -g / pip install，命令行调用
  • 云端托管：可放在 Vercel / Railway / Fly.io 等 PaaS 平台
相关搜索
llm-git 中文教程llm-git 安装报错怎么办llm-git 与同类工具对比llm-git 最佳实践llm-git 适合谁用

⚡ 核心功能

👥 适合谁
  • 需要 llm-git 解决具体问题的开发者与运营人员
⭐ 最佳实践
  • 先在测试环境跑通最小用例，再接入生产数据
⚠️ 常见错误
  • API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）

👥 适合人群

自动化工程师和运维人员项目经理和业务分析师希望减少重复性工作的专业人士数字化转型团队

🎯 使用场景

  • 自动化日常重复性工作，将精力集中于创造性任务
  • 构建数据采集 → 处理 → 输出的完整自动化管线
  • 实现跨平台、跨系统的数据流转和业务协同

⚖️ 优点与不足

✅ 优点
  • +MIT 协议，可免费商用
  • +大幅减少重复性人工操作
  • +可视化流程，清晰直观
  • +可扩展性强，支持复杂场景
⚠️ 不足
  • −初始配置和调试需投入一定时间
  • −强依赖外部服务的稳定性
  • −复杂场景需具备一定技术基础
⚠️ 使用须知

AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。

建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。

📄 License 说明

✅ MIT 协议 — 最宽松的开源协议之一，可自由商用、修改、分发，仅需保留版权声明。

🔗 相关工具推荐

Flowise 可视化AI工作流
Agent工作流
airflow Agent工作流
Agent工作流
LangChain AI开发框架
Agent工作流
ai-agents-for-beginners Agent工作流
微软官方开源项目，提供12堂系统课程学习AI智能体框架。涵盖工作流设计、RAG检索增强、多智能体协作等核心技能。适合AI
📚 相关教程推荐
Agent 工作流
帮助中心 · AI Skill Hub
SEO 自动化工具链搭建：用 AI 提升搜索流量的系统方法
帮助中心 · AI Skill Hub
电商运营 AI 自动化方案：从选品到客服的全链路 AI 工具应用
帮助中心 · AI Skill Hub
n8n vs Make vs Zapier 2025：哪款工作流自动化工具最适合 AI 时代
帮助中心 · AI Skill Hub
📰 相关 AI 新闻
AI 前沿资讯：How do you track AI costs toda…
AI 资讯 · 知识关联
AI 开源生态最新进展
AI 资讯 · 知识关联
Cursor AI 编程工具动态与用户评测
AI 资讯 · 知识关联
AI Agent 自主化能力最新进展
AI 资讯 · 知识关联
🍿 AI 圈相关吃瓜
我用了个 Claude 代码优化 Prompt，代码更优雅了，Bug 更多了
AI 圈观察
我用了个 Claude 代码优化 Prompt，代码更烂了
AI 圈观察
我用了 Karpathy 的提示词，Claude 终于不瞎写了
AI 圈观察
🗺️ 相关解决方案
workflow
ai-workflow-templates
cli
cli-productivity
🧩 你可能还需要
基于当前 Skill 的能力图谱，自动补全的工具组合
Redmine MCP服务器
为Redmine项目管理系统设计的生产级MCP服务器，提供安全认证、分页查询和企业级功能。支持AI Agent与Redmine深度集成，适合
代码智能引擎
MCP · Agent · 工作流
HexStrike AI MCP智能体
MCP · Agent · 工作流
mcp-proxy-for-aws MCP工具
为AWS服务提供MCP（模型上下文协议）代理的开源工具。支持SigV4签名认证，让大模型能通过标准MCP接口调用AWS API，适合需要集成
gptme Agent工作流
MCP · Agent · 工作流
AI公司多智能体操作系统
为Claude Code设计的开源MCP工具集，包含108个MCP工具和40+智能体模板。支持多智能体协作编排，提供完整的自主代理框架。适合

❓ 常见问题 FAQ

llm-git 是一款Rust开发的AI辅助工具。开源AI工作流：AI commit message generator. Conventional commits, compose mode, and history rew。⭐35 · Rust 主要应用场景包括：自动化提交代码变更。
💡 AI Skill Hub 点评

经综合评估，AI提交消息生成器 在Agent工作流赛道中表现稳健，质量优秀。如果你已有明确的使用需求，可以直接上手体验；如果还在评估阶段，建议对比同类工具后再做决策。

⬇️ 获取与下载
⬇ 下载源码 ZIP

✅ MIT 协议 · 可免费商用 · 直接从 aiskill88 服务器下载，无需跳转 GitHub

📚 深入学习 AI提交消息生成器
查看分步骤安装教程和完整使用指南，快速上手这款工具
⚙️ 安装教程 📚 使用教程
🌐 原始信息
原始名称 llm-git
原始描述 开源AI工作流：AI commit message generator. Conventional commits, compose mode, and history rew。⭐35 · Rust
Topics AI自动化Rust命令行工具
GitHub https://github.com/can1357/llm-git
License MIT
语言 Rust
🔗 原始来源
🐙 GitHub 仓库  https://github.com/can1357/llm-git

收录时间：2026-06-04 · 更新时间：2026-06-05 · License：MIT · AI Skill Hub 不对第三方内容的准确性作法律背书。

📺 订阅 AI Skill Hub Daily Telegram 频道
每天 8 条精选 AI Skill、MCP、Agent 与自动化工具推送
加入频道 →