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

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...

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」。 ...

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。 ...