能力标签

⚙️

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

✦ 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

📖 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」。

📌 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

访问 GitHub 仓库获取工作流文件
在对应平台（Dify / Flowise / Make 等）中找到「导入工作流」功能
上传工作流文件
按照提示配置必要的环境变量和 API Key
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

LLM-powered git commit message generator

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

---

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 temperature = 0.2 # Structured-output-first, then tools, then JSON content parse

Prerequisites

Rust nightly toolchain
Git
API access (Anthropic, OpenAI, OpenRouter, or local LiteLLM proxy)

Install

cargo install llm-git

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 now prefers provider-native structured outputs, falls back to tool calling when unsupported, and only then falls back to parsing JSON content from the model response. Anthropic models only use structured outputs on the official Anthropic base URL; routed Anthropic models fall back directly to tool calling.

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

Variable	Description	Default
`LLM_GIT_API_URL`	API endpoint	`http://localhost:4000`
`LLM_GIT_API_KEY`	API key	none
`LLM_GIT_CONFIG`	Config file path	`~/.config/llm-git/config.toml`
`LLM_GIT_VERBOSE`	Debug output	`false`
`LLM_GIT_TRACE_FILE`	JSONL profiling trace output path	none