【保姆级喂饭教程】Git图形化客户端Sourcetree安装及使用教程

Ne0inhk

— 13 min read
【保姆级喂饭教程】Git图形化客户端Sourcetree安装及使用教程

目录

前言

在查找Git Flow实现工具的时候，看到了SourceTree，支持Git Flow、GitHub Flow等多种Git工作流，安装简单学习一下。

一、SourceTree简介

Git的GUI客户端有很多，SourceTree是其中比较优秀和流行的一个，如下图：
https://git-scm.com/downloads/guis

在这里插入图片描述

SourceTree是一款免费的Git图形化客户端，它由Atlassian开发，提供了跨平台的支持，可运行在Windows和Mac操作系统上。Sourcetree可以让开发者更方便地使用Git来管理代码，不需要在命令行中输入复杂的Git命令，而是通过可视化的界面完成代码管理操作。

SourceTree 是 Windows 和Mac OS X 下免费的 Git 和 Hg 客户端，拥有可视化界面，容易上手操作。同时它也是Mercurial和Subversion版本控制系统工具。支持创建、提交、clone、push、pull 和merge等操作。最主要是它，支持中文、支持中文、支持中文。

SourceTree支持多种Git工作流，例如Git Flow、GitHub Flow等，可以帮助开发者更好地管理Git分支、合并代码、提交代码等操作。此外，SourceTree还集成了一些实用的功能，例如自动提交、撤销提交、文件比较、文件历史记录等，方便开发者进行代码管理和版本控制。

最近一次更新是在25年3月

在这里插入图片描述

二、安装教程

打开官网下载Sourcetree：https://sourcetreeapp.com/

在这里插入图片描述


点击同意隐私政策，之后选择文件夹进行下载

在这里插入图片描述


ZEEKLOG下载链接：SourceTreeSetup-3.4.23.exe

双击安装

在这里插入图片描述


第一步创建账号，点击跳过

在这里插入图片描述


SourceTree会自动找到已安装的Git，如果之前没有安装，Git会和Mercurial一样是勾选状态，之后SourceTree会帮我们安装，推荐先自己安装，可以更自由的安装和设置。
暂时不需要Mercurial，取消它前面的勾选框，点击下一步

在这里插入图片描述


配置git账号，由于安装git的时候已经设置了，这里会自动读取，点击下一步

在这里插入图片描述


选择是否创建SSH密钥，平常基本都是用http，这里选择否

在这里插入图片描述


这样就安装完成了，除了几个git相关的命令基本都是汉化的，十分容易上手

在这里插入图片描述

三、使用教程

Sourcetree界面十分的简洁，先是Local（本地仓库）和Remote（远程仓库）管理，后面是最基本的Clone（克隆仓库）、Add（添加仓库）、Create（创建仓库）操作，下面依次展示一下

在这里插入图片描述

1. Local（本地仓库）

  • 管理目录

点击下方的文件夹，创建一个仓库管理目录，仓库在管理目录之间移动并不会改变实际git仓库的位置
这里的目录名称不支持中文输入，可以在别的地方打字粘贴过来

在这里插入图片描述
  • 拖动添加仓库

此处可以通过拖动文件夹的方式添加项目，但是只能拖动到如图所示的窄横区域，也不知道是什么设计思路

在这里插入图片描述


之后就可以拖动到想存放的管理目录了

在这里插入图片描述
  • 删除仓库

右键项目选择删除

在这里插入图片描述


SourceTree中把项目仓库叫做书签，删除项目要选择删除书签，确认删除本地项目，推荐从文件夹中去删除，避免造成误删除

在这里插入图片描述
  • 打开仓库链接

选中一个仓库，下面的View Remote会打开远程的git地址，如gitlab的仓库地址，在终端中打开会从项目根目录打开git bash

在这里插入图片描述

2. Remote（远程仓库）

  • 编辑账户

点击编辑账户，可以看到之前git存储的账号，原来显示的是仓库的ip地址，点开以后有个设为默认，点击看看

点击是

在这里插入图片描述


应该没什么用，ip地址前面填充了Git:http://

在这里插入图片描述
  • 添加账户

点击添加账户，在托管服务器下拉列表找到GitLab CE，输入gitlab仓库地址
点击刷新个人认证，填写用户名和密码，然后一路确定

在这里插入图片描述


可惜我这里一直认证失败…

在这里插入图片描述

3. Clone（克隆仓库）

克隆之前先改一下默认仓库位置，点击 工具-选项

在这里插入图片描述


找到项目目录配置，选择仓库根目录，点击确定

在这里插入图片描述


在gitlab上找一个以前的小项目，复制http克隆链接

在这里插入图片描述


粘贴到源路径/URL的位置，下方会自动填充实际路径和项目名称，浏览可以再次修改存储位置
鼠标点击源路径外任意位置，会跳出认证管理，填入git账户密码，点击确定

在这里插入图片描述


账户正确后会检测出仓库类型：这是一个Git仓库，Local Folder是前面提到的管理目录，这里选一个之前创建的二级目录测试项目，点开高级选项看到提供了检出分支的选项，这里不管，直接克隆

在这里插入图片描述


整体界面如下，还是十分的全面，更详细的使用教程之后有时间再补充。

在这里插入图片描述

4. Add（添加仓库）

点击Add，点击浏览选择一个已经创建了git仓库的项目，点击添加

在这里插入图片描述

还是之前的效果

在这里插入图片描述

5. Create（创建仓库）

点击浏览选择一个项目文件夹，点击创建

在这里插入图片描述


点击是

在这里插入图片描述


里面放了一个之前创建的空Java文件

在这里插入图片描述

6. Git Flow

使用SourceTree一大原因是因为它支持Git Flow工作流，让我们来测试一下

  • 创建master分支

点击文件后面的加号，相当于git add

在这里插入图片描述


填写信息，点击提交，相当于git commit

在这里插入图片描述


第一次提交后就创建了master分支

在这里插入图片描述
  • 创建git flow工作流

点击右上角的Git工作流，各分支前缀都选择默认，版本前缀添加v，点击确定

在这里插入图片描述


初始化中

在这里插入图片描述


初始化后基于master创建了一个develop分支

在这里插入图片描述
  • 创建功能分支

再次点击Git工作流，弹出git flow支持的分支选择窗口，这里我们测试一个功能分支

在这里插入图片描述


我习惯分支名称为开发人员姓名-模块-功能，这里就是开发一个公共模块的配置功能，下面的预览会显示即将创建的分支全称：feature/dev1-common-config，点击确定

在这里插入图片描述


结果如下，分支结构很好看

在这里插入图片描述
  • 开发功能分支

打开测试文件填上aaa

在这里插入图片描述


添加文件

在这里插入图片描述


输入信息并提交

在这里插入图片描述


现在功能分支到了最前面了

在这里插入图片描述

结束功能分支
假设我们的功能分支已经开发完成了，按照git flow规范，需要合并后删除分支，点击Git工作流，会根据你当前的分支推荐操作，当然，也可以点击其他操作，同步创建别的类型分支

在这里插入图片描述


点击完成功能后，会进行一个小的选择，如果后续还会继续更新，就不勾选删除分支，一般情况都推荐删除分支，预览处显示将会合并到develop分支

在这里插入图片描述


前面还有一个选项：在开发分支上进行变基，相当于git rebase，相当于把功能分支上的改动在develop分支上重做一遍，这样分支比较简洁，一般不用这个

在这里插入图片描述


按照前一个选择，不进行变基，执行后如下，develop分支前进一步

在这里插入图片描述


这里没有连接远程仓库进行测试，如果连接远程仓库，再合并前需要先拉取
根据git flow规范，功能分支应该只存在于本地，但我觉得也可以上传到gitlab上，不然怎么检查进度呢，开发完的功能分支也不一定全部删除，有些算法，插件类的可以一直保留

简单的使用就介绍到这里啦

四、评价总结

  1. 优点：
  • 操作可视化： 对于不熟悉 Git 命令行操作的程序员来说，SourceTree 提供了一个可视化的界面，让他们可以更直观地进行代码的版本控制操作，如创建、克隆、提交、推送、拉取、合并分支等，大大降低了使用门槛。例如，新手可以很清楚地看到文件的修改状态、历史提交记录、分支情况等，方便理解和操作。
  • 功能丰富： 支持 Git 的常见功能，包括 Git Flow 等工作流，并且能够方便地管理子模块。这对于大型项目或者涉及复杂代码结构的项目来说，是非常有用的功能，可以帮助程序员更好地组织和管理代码。
  • 跨平台： 支持 Windows 和 macOS 系统，这使得不同操作系统的程序员都可以使用该工具进行代码管理，方便了团队协作中不同操作系统用户之间的交流和协作。
  1. 缺点：
  • 性能问题： 在处理大型项目或者包含大量文件的仓库时，SourceTree 可能会出现性能下降的情况，比如加载速度慢、操作卡顿等，这会影响程序员的工作效率。
  • 冲突解决不够智能： 当遇到代码冲突时，SourceTree 的冲突解决界面和提示可能不够直观和智能，需要程序员花费较多的时间去理解和解决冲突，对于一些复杂的冲突情况，可能还需要结合命令行工具来进行处理。
  • 学习曲线： 虽然它提供了可视化界面，但对于一些高级功能和复杂的操作场景，程序员仍然需要对 Git 的原理和概念有一定的了解，否则可能会在使用过程中遇到一些困惑和问题，这也需要一定的学习成本。

后记

根据网上反馈，mac 上非常好用。windows上有待改进，可能还不如 idea 自带的 git GUI 工具。
仅仅只是做实际测试，已经有各种卡顿了，
拖入两个测试仓库，需要半天才能更新，删除一个后，打开远程仓库和打开仓库地址都是错误的，很容易造成误操作
编辑完账户无法再操作添加账户了，需要退出后重新打开，添加账户中卡退
只是编辑一个空Java文件，SourceTree 中的同步并不及时
综合来看，如果是大型项目，可能用起来会不太顺心，如果能再对性能优化优化，无疑还是一个非常便捷的生产力工具。

参考文献

Sourcetree安装教程及使用

喜欢的点个关注吧><！祝你永无bug！

/* _ooOoo_ o8888888o 88" . "88 (| -_- |) O\ = /O ____/`---'\____ .' \\| |// `. / \\||| : |||// \ / _||||| -:- |||||- \ | | \\\ - /// | | | \_| ''\---/'' | | \ .-\__ `-` ___/-. / ___`. .' /--.--\ `. . __ ."" '< `.___\_<|>_/___.' >'"". | | : `- \`.;`\ _ /`;.`/ - ` : | | \ \ `-. \_ __\ /__ _/ .-` / / ======`-.____`-.___\_____/___.-`____.-'====== `=---=' ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ 佛祖保佑 永无BUG */

Read more

AI 编程工具选型：Copilot、Cursor、Codex 核心差异

AI 编程工具选型：Copilot、Cursor、Codex 核心差异

【如文章引起大家共鸣，请“点赞”以及“转发”，以支持继续创作，谢谢大家！】 朋友们大家好！今天咱们不聊那些虚头巴脑的，直接来点实在的——AI编程工具选型，Copilot、Cursor、Codex这仨到底咋选？别急，我这就用最接地气的方式，给你唠唠它们的“脾气秉性”，保证你听完就能上手挑！ 先说Copilot，这哥们儿可是“代码补全界的扛把子”！它就像你身边的“代码小秘书”，你敲代码时，它就在旁边默默观察，你刚敲个“for”，它立马给你补上“(int i=0;i<n;i++)”，那叫一个快！而且，它还支持多IDE，VS Code、JetBrains啥的，都能无缝对接。不过呢，Copilot也有个“小毛病”，就是它更擅长“补全”，对于复杂的代码重构或者项目级理解，就有点力不从心了。

By Ne0inhk
AIGC-Fooocus部署实践：从本地手动配置到云端一键启用的深度剖析

AIGC-Fooocus部署实践：从本地手动配置到云端一键启用的深度剖析

摘要： 本文旨在为人工智能生成内容（AIGC）领域的爱好者和开发者提供一份详尽的Fooocus部署指南。Fooocus作为一款基于Gradio的开源图像生成软件，凭借其简化的操作和高质量的输出，受到了广泛关注。我们将通过两种截然不同的部署路径——传统的本地手动环境配置与现代化的云平台一键部署——来全面探索Fooocus的落地过程。本文将深入剖析手动部署中的每一个步骤、每一条命令及其背后的技术逻辑，详细记录可能遇到的环境冲突与解决方案，并将其与云端部署的流畅体验进行客观对比，为读者在不同场景下选择最合适的部署策略提供坚实的技术参考。 第一章：引言——Fooocus与AIGC部署的挑战 随着Stable Diffusion等底层模型的开源，AIGC技术，特别是文生图领域，迎来了爆发式的增长。各种应用和WebUI层出不穷，极大地降低了普通用户接触和使用前沿AI模型的门槛。在众多工具中，由lllyasviel（ControlNet的作者）开发的Fooocus，以其独特的哲学脱颖而出。Fooocus的设计理念是“化繁为简”，它在保留Stable Diffusion XL（SDXL）强大能力的

By Ne0inhk

无需编码！Llama-Factory可视化界面让大模型微调更简单

无需编码！Llama-Factory可视化界面让大模型微调更简单 在大语言模型（LLM）加速落地的今天，越来越多企业希望拥有一个能理解自身业务、回答专业问题的“专属AI助手”。然而现实是：大多数团队卡在了第一步——微调。写不完的训练脚本、配不好的环境依赖、动不动就OOM的显存……这些技术门槛把非算法背景的开发者挡在门外。 有没有一种方式，能让普通人像使用Photoshop一样，“点几下”就把一个通用大模型变成懂医疗、懂法律、懂客服的垂直领域专家？答案正是 Llama-Factory。 这个开源项目正在悄悄改变游戏规则。它不像其他框架只解决某个环节的问题，而是直接提供了一套从数据上传到模型导出的完整流水线，并通过一个简洁的Web界面，实现了真正意义上的“零代码微调”。 让复杂流程变得像填表一样简单 想象这样一个场景：你是一家健康科技公司的产品经理，手里有一批医患对话记录，想训练一个能自动回答常见疾病咨询的AI助手。过去你需要协调算法工程师排期，等两周才能拿到第一个测试版本；而现在，你可以自己登录服务器，在浏览器里完成全部操作。 打开 Llama-Factory 的 WebU

By Ne0inhk
在昇腾NPU上跑Llama 2模型：一次完整的性能测试与实战通关指南

在昇腾NPU上跑Llama 2模型：一次完整的性能测试与实战通关指南

目录 * 在昇腾NPU上跑Llama 2模型：一次完整的性能测试与实战通关指南 * 引言：从“为什么选择昇腾”开始 * 第一幕：环境搭建——好的开始是成功的一半 * 1.1 GitCode Notebook 创建“避坑指南” * 1.2 环境验证：“Hello, NPU!” * 第二幕：模型部署——从下载到运行的“荆棘之路” * 2.1 安装依赖与模型下载 * 2.2 核心部署代码与“坑”的化解 * 第三幕：性能测试——揭开昇腾NPU的真实面纱 * 3.1 严谨的性能测试脚本 * 3.2 测试结果与分析 * 第四幕：性能优化——让Llama跑得更快 * 4.1 使用昇腾原生大模型框架 * 4.

By Ne0inhk