跳到主要內容

使用 GitLab 代替 Github 功能

使用 GitLab 代替 Github 功能

enter image description here
前面文章提到 Github flow 的整個用法，很多人會建立私有的 Github 不過在公司架構裡面其實很多資料都無法對外開放，因此架設一個內部使用的 git rep 都是常見的事情，因此 GitLab 通常是為第一優選。

why is GitLab?

  • GitLab is open source
  • GitLab is open source
  • GitLab is open source
基於以上原因就足夠說明為什麼要使用 GitLab，他是 open source 那就表示程式碼裡面所有資訊都是透明，而且容易讓人可以知道如何去使用你自己的 rep, source code (就不會發生私自傳送程式碼到，遠端遠端遠端的莫名伺服器中)，自己也可以很輕鬆的加上 plugin ，透過社群的力量，開源的力量，控制自己的程式碼。

GitLab 與 Github 相似之處

GitLab 其實用法上大多數與 Github 相似，也因為如此 GitLab 也通常拿來跟 Github 比較，不過我個人覺得兩種基於同樣用途的專案，最後勢必會走向自己不同的用途，解決方案，因此這段就跳過，怎麼發展就各自社群，擁護者自己去觀察了。

GitLab flow 替代 Github flow

其實 GitLab 特別有寫一篇文章，主要是講到如何使用 GitLab flow 替代掉原本使用 Github 的使用流程，基本上這是一個很有趣的文章，推薦大家可以來看一下。

特別是要提到，其實 pr (pull request) 的功能其實在 GitLab 裡面也有，就直接可以採用 GitLab merge request ，兩者之間差異性不大，不過功能大致上相同。

其中可以採用 vote 這個功能來幫助大家，一起進行開發。在 pr 留言的時候，可以留言，
+1
-1
來表示對於此 pr 狀態的看法，讓 code manager 可以很快的評估這個 pr 到底能不能夠在當下就直接被 merge. 這對於開發者來說其實有很大的幫助，也可以提高大家的認同與參與度。

GitLab & 3rd party

在 GitLab 其實也預設與許多 3rd party 的外掛結合，例如 hipchat, slack, jenkins 這些都是已經有整合完成，所以在做 ci 上其實已經省下很多設定 server rep hook 的部分，可以省下許多時間，透過 GUI 介面直接就可以修改，新增 plugin 。

install GitLab

最後提到一下 GitLab 安裝，其實整體安裝流程十分囉嗦也十分困難，這邊如果建議要安裝 GitLab ，在 os 中有套件就直接安裝官方提供套件，如果沒有的話，也歡迎參考以下方式安裝

後記

其實 GitLab 已經能夠取代掉大部分 Github 才能夠做到的事情，為什麼用 GitLab 最大的一個原因，我覺得是因為 免費 ，雖然說免費的最貴，但是成本考量也是單元之一，雖然說實際上去使用 Bitbucket , Github 付費版本對於一間正常營運的公司來說，負擔並不是這麼大，所以如果企業 team 其實都可以建議直接付費申請。

雖然說 GitLab 使用上已經可以替代掉大部分 Github 功能，但是就整體 social coding 上面，其實還有許多落差，因此建議大家如果真的有程式的話，盡量把它 release, open source ，養成寫 test and document 的習慣。

留言

張貼留言

這個網誌中的熱門文章

Vibe Coding：為什麼 Junior 更快上手？Senior 要如何追趕？

現象層面（市場觀察） 最近有篇文章討論 junior & senior 開發者在 AI 時代的角色轉變，非常熱門。 身為 Cympack 產品開發團隊 ，我們也一直關注這個議題，在閱讀這篇文章時觀察到一些有趣的現象，對我們來說，這正好反映出 AI 正在改變開發生態，junior 借力 AI 快速成長、senior 則需要在 「架構思維」 與 「多 agent 協作」 中找到新定位，其中有些啟發（insight) 可以跟大家分享。 為什麼 Junior 更容易上手 vibe coding？ 心智負擔低 → Junior 沒有太多傳統 code workflow 的框架包袱 敢於嘗鮮 → Gen Z / 年輕工程師天生習慣用 prompt-based 工具、跟 LLM 互動 少「優雅程式設計」的束縛 → 不太糾結「這樣寫會不會不夠優雅」，反而 embrace 快速迭代、快速出成果 反觀 Senior： 熟悉大型系統設計 有豐富的「工程正統流程」知識（架構設計、測試策略、效能優化、設計模式） 對 AI 生成 code 的品質 / 維護性通常比較保留 部分 10+ 年資深工程師，對 prompt engineering 沒那麼熟練，還在觀望 技能面（未來的關鍵能力） Vibe coding 本質上 = prompt engineering + AI co-pilot 管理能力 能力項目 誰目前比較有優勢？ Prompt 撰寫 / AI 互動 Junior 較強（熟悉 chat-based 流程） 系統設計 / 架構把關 Senior 較強 AI 生成 code 驗證 / Bug 察覺能力 Senior 較強（能看出潛在問題） 快速疊代 / Hackathon 式開發 Junior 較強 長期維護性 / 穩定性 Senior 較強 總結 Junior 確實更快適應 vibe coding，並且更習慣以 「chat-based coding」 的工作流開發。 Senior 擁有驗證 AI 產物與系統設計的深度能力，但若不主動練習 vibe coding，長期會逐漸落後於新一波開發潮流。 就如同在 GAI 技術年會分享，希望帶給各位的感受， 『與 AI 協...
張貼留言
繼續閱讀>>

RAG 和 Prompt 原理超簡單解說！想知道 AI 怎麼找答案看這篇

這篇文章是給對於你已經開始使用所謂的 ChatGPT / Claude / Gemini 之類的 AI 服務，甚至是 Siri (嘿丟，他也是一種 AI 應用服務喔） 簡單來說是非 技術人員， PM，小白，想要趕快惡補的人 ，直接花十分鐘可以看完的一篇科普業配文章。 或者是概念僅止於，AI 這東西會幻想，會有誤差，會對於生活有些幫助但沒有幫助的人們，做個簡單又不是太簡單的介紹，希望用一個非常入門的方式讓你們有個了解。 當然，這篇文章目的很簡單， 就是引流 ，如果你身邊有已經對於 Web 技術開發的人員，歡迎報名分享給他，年末出國不如學一技在身，參加今年我們舉辦最後一場 RAG 實作工作坊，報名連結 ， https://exma.kktix.cc/events/ai-for-dev-course-rag-2 注意： 接下來每個大段落結束都會有一段工商導入，但文章絕對精彩，請注意！ 為了讓各位容易想像，我們將整個世界的資訊，先濃縮到這本『西遊記』的世界觀當中，我們整個世界都在這個 『西遊記』 ，而 大型語言模型 我們用 『書精靈』 來描述。 PS. 我們先預設各位，應該都有聽過，西遊記！如果沒有聽過西遊記的，請右轉出去，謝謝！ 先來談談向量 在《西遊記》的世界裡，我們可以把 向量想像成一種「內容座標」 ，讓系統知道每個角色、場景、法術等的 「位置」和「距離」 。向量幫助語言模型知道不同內容之間的關聯程度。 向量就像內容的「距離」和「位置」 比方說，唐三藏的 「位置」（向量）會接近「佛經」和「取經」 的概念，因為他一路上都是為了取經而前進。孫悟空的 向量位置則會更靠近「金箍棒」和「七十二變」 這些概念，因為這些是他的特徵。 相似內容靠得更近：像「佛經」和「取經」會靠近唐三藏的向量，因為它們彼此有很強的關聯。 相差較大內容會離得較遠：像「取經」和「妖怪」「妖怪的寶藏」就距離比較遠，因為妖怪的寶藏和取經的目標關聯性不大。 是誰決定的這些位置？ 簡單來說，這些位置和關係是模型自己學出來的。語言模型會閱讀大量的資料和這世界觀的資訊，觀察哪些詞語經常一起出現，根據「共同出現的頻率」來決定它們的關係，並且自動生成向量。例如： 如果模型看到 「唐三藏」 總是和 「取經」 一起出現，它就會讓「唐三藏」的向量靠近「取經」。 ...
2 則留言
繼續閱讀>>

Vibe Coding 協作到自建 Dev Agent？從 Claude / Codex 到 OpenHands

過去一年，越來越多工程師開始 把 AI 真正帶進工作流程 。從一開始用 ChatGPT、Claude 來問語法問題，到後來很多人愛上 Cursor，直接在編輯器裡讓 AI 幫忙改 code、補 test case、甚至自動整理 PR。這樣的開發體驗，已經大大改變了我們寫程式的方式。 更現實的是，在很多企業內部、政府單位、或涉及機密資料的專案裡， 其實根本不能直接用 Cursor 或雲端 LLM 工具。   畢竟這些服務通常會把資料傳到雲端模型做處理，萬一專案裡有未公開的技術、敏感客戶資料，或是受限於法規 （像金融、醫療、政府標案） ，直接用雲端 AI 工具就會踩 紅線 。  因此，許多團隊反而更希望 「自己架一套 Dev Agent」 ，可以在內網執行，資料完全掌握在自己手上，該整合的內部工具、該讀的私有 repo、該串的 CI/CD pipeline，全部客製化、安全可控。 這時候，像 OpenHands 這樣的開源 Dev Agent 框架就特別有價值。它的出發點不是單純的 AI 助手，而是讓你能夠打造出一個真的可以跑在自己環境裡、可以理解整個開發流程的 AI 工程師。從建置到部署，從 CLI 操作到瀏覽器查詢， 從多檔案編輯到自動測試，全部都能自己完成，甚至還能針對不同專案調整專屬的工作流。 對很多開始探索 AI 協作開發的團隊來說，這是一條 從 「AI 幫你寫一段程式」，走向「AI 幫你解決一整個任務」 的進化路徑。而且，還是在可控、可自定義、安全的環境裡完成的。 🧩 主要概述 OpenHands 是由 All‑Hands AI 開發的開源「軟體開發代理人平台」，能模仿人類工程師從建立程式、修改程式碼、執行指令，到瀏覽網頁、呼叫 API……等一整套開發流程 它提供雲端（OpenHands Cloud）與本地 Docker 運行版本，用戶能配置 LLM（如 Claude、OpenAI、Gemini…) 📚 核心特性與怎麼使用 代理人的工具能力 支援代碼編輯、命令行、執行環境、網頁瀏覽、API 呼叫—接近人類開發者完整技能。其中 OpenHands Cloud 版本提供 $50 試用額度讓大家方便使用，又或者如果自己本機有 docker 的話，可以自己Local 版本透過 Docker 自架環境。 ...
張貼留言
繼續閱讀>>