新闻详情

新闻详情

首页 / 资讯中心 / 详情

Desloppify Scorecard徽章完全指南:为你的GitHub仓库生成代码质量评分卡

发布时间:2026/11/19 7:37:09来源:尧图网络
Desloppify Scorecard徽章完全指南:为你的GitHub仓库生成代码质量评分卡
Desloppify Scorecard徽章完全指南为你的GitHub仓库生成代码质量评分卡【免费下载链接】desloppifyAgent harness to make your slop code well-engineered and beautiful.项目地址: https://gitcode.com/gh_mirrors/de/desloppifyDesloppify 是一款面向 AI 编程代理的代码质量 harness它的Scorecard 徽章功能只需一次扫描就能为你的 GitHub 仓库生成一张可视化的代码质量评分卡PNG 图片显示总体得分、strict 严格分以及各质量维度的明细可像徽章一样嵌入 README 或 GitHub 个人主页让访客一眼看清代码库的健康程度。一、什么是 Desloppify Scorecard 徽章Desloppify 把代码好不好量化成一个分数机械检测器负责发现死代码、重复、复杂度、测试缺口等客观问题LLM 评审负责命名、抽象、模块边界等主观维度。扫描结束后分数会被渲染成一张横版评分卡图片左面板版本、DESLOPPIFY SCORE 标题、醒目的主分数以及 secondary 的strict 严格分右面板两列并排的维度表File health、Code quality、Security、Test health、Duplication 等每行同时展示常规分与 strict 分配色语义≥90 显示深绿色70–90 为橄榄绿70 为黄绿色——分数越高颜色越健康分数由扫描状态实时计算见 score_snapshot渲染入口在 scorecard.py配色与字体主题定义在 theme.py。徽章以 2 倍分辨率绘制在高分屏下依然清晰锐利。二、一键安装30 秒上手要求 Python 3.11一条命令即可安装Scorecard 图片生成依赖 Pillow推荐装 full 版本pip install --upgrade desloppify[full]如果只想单独启用评分卡渲染pip install desloppify[scorecard]也可以从镜像仓库获取源码git clone https://gitcode.com/gh_mirrors/de/desloppify安装后建议在.gitignore中加入.desloppify/本地状态目录不应提交。三、一条命令生成代码质量评分卡进入你的项目目录运行desloppify scan --path .扫描完成后Scorecard 徽章会自动生成到项目根目录默认文件名为scorecard.png。工具还会贴心地打印嵌入建议甚至检测你的 README 是否已引用该图片——这套提示逻辑位于 artifacts.py。Monorepo 提示如果工作区包含多个项目前端 后端请用--path分别扫描每个子目录Desloppify 按语言维护独立状态互不干扰。定制徽章路径与关闭选项方式写法作用CLI 参数desloppify scan --badge-path docs/score.png移动徽章输出位置CLI 参数desloppify scan --no-badge本次扫描不生成徽章环境变量DESLOPPIFY_BADGE_PATHdocs/score.png全局指定输出路径环境变量DESLOPPIFY_NO_BADGE1全局关闭徽章生成优先级为 CLI 参数 配置文件 环境变量见 get_badge_config。四、如何读懂评分卡徽章评分卡上的维度并非写死而是动态投影自评分引擎的dimension_scores未评估的主观占位行会被过滤Elegance 系列子维度会折叠成一行行数超限时按语言偏好策略裁剪File health 永远置顶。核心逻辑在 scorecard_dimensions.py行数上限等策略在 scorecard_policy.py。重点看两个分数主分数overall当前代码库的综合健康度strict 严格分对绕过手段更敏感的口径。标记 wontfix、抑制告警都会拉大两者差距——这是 Desloppify 的反刷分设计提升数字的唯一方式就是真的把代码变好官方目标是98 分对应资深工程师会称之为 beautiful的代码库。五、把 Scorecard 徽章嵌入 README在 README 中加一行即可路径换成你的实际徽章路径img srcscorecard.png width100%每次重新扫描徽章分数都会刷新就像 CI 徽章一样成为仓库的质量门面。六、在 CI 中运行 DesloppifyDesloppify 更适合做全库健康门禁而非 diff 检查器。CI 中使用--profile ci --no-badge跳过缓慢的主观阶段快速拿到机械快照再用 JSON 输出做阈值卡控desloppify scan --path . --profile ci --no-badge desloppify status --jsonstatus --json可被脚本读取 strict/objective 分数强制执行团队自定义阈值。七、如何提升分数进入修复循环分数不会凭空涨Desloppify 内置的循环是desloppify next— 从活的计划队列中取出当前该修的问题修哪个文件、完成后跑哪条 resolve 命令都会告诉你修复— 大重构和细修一视同仁desloppify resolve— 标记解决再跑next进入下一轮定期重新 scan— 验证改进、捕捉连锁影响配合plan/plan queue可以重排优先级、聚类相关问题。状态持久化在.desloppify/跨会话持续推进直到命中你的目标分数。总结你的需求对应命令生成评分卡徽章desloppify scan --path .指定徽章位置--badge-path path临时关闭徽章--no-badgeCI 集成scan --profile ci --no-badgestatus --json开始修复提分desloppify next→ 修复 →resolveDesloppify 支持 29 种语言TypeScript、Python、C#、C、Rust、Go、Dart、GDScript 具备完整插件深度当前版本见 README.md。现在就去给你的仓库挂上这张质量名片吧 【免费下载链接】desloppifyAgent harness to make your slop code well-engineered and beautiful.项目地址: https://gitcode.com/gh_mirrors/de/desloppify创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/18 21:21:17

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/18 14:20:46

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/18 20:01:42

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/18 11:04:06

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/18 15:55:22

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/18 21:21:16

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉