工具篇:Idea-git 本地分支&远程分支创建&分支代码合并

工具篇:Idea-git 本地分支&远程分支创建&分支代码合并

文章目录


前言

在项目开发中,通常会有好几个分支来分别对应各个环境如:开发环境,预发布环境,正式环境,每个环境都会对应有各自的分支,方便项目的发版。本文对常用的分支创建及分支代码合并操作进行记录。


一、git 分支

在 Git 中,分支(Branch) 是用于隔离代码开发的核心机制,它允许你在不影响主代码的情况下,独立开发新功能、修复 bug 或进行实验性修改。

1.1 git 的本地分支和远程分支

在 Git 中,本地分支(Local Branch)和远程分支(Remote Branch)是协作开发的核心概念,两者的定位、作用和交互逻辑不同。

1.1.1 本地分支:

本地分支是存储在你自己电脑本地仓库(.git 目录)中的分支,仅对自己可见,完全由你控制,常用于日常开发的代码隔离,比如编写新功能、修复本地 bug 等,可自由提交、修改,无需担心影响他人。

1.1.2 远程分支:

远程分支是存储在远程仓库(如 GitHub、GitLab 服务器)中的分支,所有有权限的团队成员都能访问,是团队协作的 “共享媒介”。

1.1.3 git 项目克隆分支的创建:

通常我们相对项目克隆到本地电脑,当你通过 IDEA 克隆远程仓库时:

  • Git 会将远程仓库的所有分支信息拉取到本地(作为远程跟踪分支,存储在 .git/refs/remotes/ 目录)。
  • 会自动创建并切换到与远程默认分支对应的本地分支(例如:远程默认分支是 main,则本地会创建 main 分支,并关联 origin/main)
  • 其他远程分支(如 origin/feature/login)不会自动生成对应的本地分支,需手动创建:使用 checkout 命令操作远程分支时,会自动创建对应的本地分支,并与远程分支建立关联(跟踪关系)
在这里插入图片描述


检出对应的远程分支

在这里插入图片描述

1.1.4 新建远程分支:

新建远程分支有两种方式,方式1:直接在git仓库中基于某个分支创建 远程分支,方式2:先创建本地分支,然后在提交时自动在git 仓库创建远程分支

方式1:

方式1 是直接在远程仓库上,创建分支

输入分支名称确定即可:

方式2:

基于某个本地分支-》 创建一个新的分支,本文已git hub desk 为例:

(1) 创建本地分支:

在这里插入图片描述

输入分支名称:

在这里插入图片描述

(2)建立本地分支与远程分支的关联:

在这里插入图片描述

二、git 分支代码合并

通常我们在一个分支开发完毕并且提交代码到自己的远程分支后,需要将改分支的代码在合回到 对应的预发布或者生产分支;

2.1 将自己的代码push 到自己的远程分支

改步骤就是把自己本地的分支代码,合并到远程的分支

(1) 更新本地分支的代码:

改步骤是将远程的分支代码,(如果他人也上传了代码到改分支)合并到本地分支,如果有冲突 解决冲突后进行提交;

选择rebase 进行衍合:

在这里插入图片描述

(2) push 代码:

改步骤将需要提交的代码 ,发布到远程分支上:

2.2 本地要合并的分支check 并更新

本地check 要合并的分支:

该步骤,就是在本地先检出要和并的分支,然后将改分支更新到最新,然后在将要合并的分支进行合并,最后将合并后的分支推送到远程分支上

check分支:

在这里插入图片描述


使用rebase 更新分支

在这里插入图片描述

2.3 合并分支:

选择需要被合并的分支 ,进行merge后提交到远程分支
在这里插入图片描述


如果有冲突需要解决冲突; 最后将合并后的本地分支推送远程仓库;

2.4 合并出现问题:

如果合并分支出现 无法修改的问题,此时可以回退分支,重新进行合并
git reset --hard origin/xxxx 
  • origin:是 Git 对「远程仓库」的默认别名(alias)。当你通过 git clone 克隆一个仓库时,Git 会自动将远程仓库地址命名为 origin,方便后续操作(比如推送、拉取代码)。你可以理解为「远程仓库的昵称」。
  • master:是远程仓库中的一个分支名称(通常是默认主分支,现在很多项目也用 main 替代)。
    合起来,origin/master 表示「远程仓库(origin)里的 master 分支当前的状态」(即该分支在远程仓库中的最新提交记录)。

例如:需要回退master 分支:

-- 切换到 master分支(切换到你要回退的分支) git checkout master -- 还原本地master 分支为远程仓库master 分支的最后一个提交 -- origin为远程仓库地址,master 为对应分支,这里会将远程仓库 master 分支下的最后一个提交应用到你当前checkout 的master分支 git reset --hard origin/master 

总结

本文介绍:Idea-git 本地分支&远程分支创建&分支代码合并。

Read more

别再硬编码熬BPM了!低代码手把手实操,4000字技术流落地指南(避坑不踩雷)

别再硬编码熬BPM了!低代码手把手实操,4000字技术流落地指南(避坑不踩雷)

作为IT产品技术人,咱们大概率都踩过BPM搭建的坑:领导拍板要做流程自动化,后端堆代码写流程引擎、前端画表单、测试反复调试兼容性,一套下来1-2个月,上线后业务说“流程要改”,又得推翻重写,加班熬夜不说,还落得个“效率低下”的评价。        近几年低代码火得一塌糊涂,腾讯、阿里、百度等大厂纷纷入局,融资动辄数千万甚至数亿,但争议也随之而来——很多程序员嗤之以鼻,觉得“低代码是给非技术人员玩的,不够硬核”“用低代码就是摆烂,解决不了复杂场景”;也有不少人盲目跟风,选个平台拖拽几下,最后搭出来的BPM要么流程卡壳、要么数据错乱,还过不了平台审核。        今天不聊虚的,不堆砌概念,也不夸大低代码的“万能性”,更不硬广轰炸——本次实操选用JNPF快速开发平台作为演示工具(仅作实操载体,全程不堆砌平台特性,只讲核心技术和落地逻辑),手把手带大家用低代码搭建一套可直接落地的中小企业采购审批BPM系统,4000字技术流干货,穿插实操踩坑点和争议观点,带你看清:低代码搭建BPM,不是“摆烂”,而是程序员解放双手、聚焦核心业务的最优解。        先抛核心观点,

By Ne0inhk
TWIST2——全身VR遥操控制:采集人形全身数据后,可训练视觉base的自主策略(基于视觉观测预测全身关节位置)

TWIST2——全身VR遥操控制:采集人形全身数据后,可训练视觉base的自主策略(基于视觉观测预测全身关节位置)

前言 我司内部在让机器人做一些行走-操作任务时,不可避免的需要全身遥操机器人采集一些任务数据,而对于全身摇操控制,目前看起来效果比较好的,并不多 * 之前有个CLONE(之前本博客内也解读过),但他们尚未完全开源 * 于此,便关注到了本文要解读的TWIST2,其核心创新是:无动捕下的全身控制 PS,如果你也在做loco-mani相关的工作,欢迎私我你的一两句简介,邀你加入『七月:人形loco-mani(行走-操作)』交流群 第一部分 TWIST2:可扩展、可移植且全面的人形数据采集系统 1.1 引言与相关工作 1.1.1 引言 如TWIST2原论文所说,现有的人形机器人远程操作系统主要分为三大类: 全身控制,直接跟踪人体姿态,包括手臂、躯干和腿部在内的所有关节以统一方式进行控制(如 HumanPlus [12],TWIST [1] ———— TWIST的介绍详见此文《TWIST——基于动捕的全身遥操模仿学习:教师策略RL训练,学生策略结合RL和BC联合优化(可训练搬箱子)》 部分全身控制,

By Ne0inhk
汽车雷达在多径存在下的幽灵目标检测——论文阅读

汽车雷达在多径存在下的幽灵目标检测——论文阅读

汽车雷达在多径存在下的幽灵目标检测 D. Sharif, S. Murtala and G. S. Choi, “A Survey of Automotive Radar Misalignment Detection Techniques,” in IEEE Access, vol. 13, pp. 123314-123324, 2025, doi: 10.1109/ACCESS.2025.3584454. 摘要 共置多输入多输出(MIMO)技术已被广泛应用于汽车雷达系统,因为它能够以相对较少的发射和接收天线数量提供精确的角度估计。由于视距目标的发射方向(DOD)和到达方向(DOA)重合,MIMO信号处理允许形成更大的虚拟阵列用于角度查找。然而,多径反射是一个主要的限制因素,雷达信号可能从障碍物反弹,创建DOD不等于DOA的回波。因此,在具有多个散射体的复杂场景中,目标的直接路径可能被其他物体的间接路径破坏,导致不准确的角度估计或产生幽灵目标。

By Ne0inhk

ClawdBot开源应用:MIT协议下二次开发Telegram多平台机器人

ClawdBot开源应用:MIT协议下二次开发Telegram多平台机器人 1. ClawdBot是什么:你的本地AI助手,不止于聊天 ClawdBot不是另一个云端API调用工具,而是一个真正属于你、运行在你设备上的个人AI助手。它不依赖外部服务即可完成推理、对话、文件处理等核心任务,所有数据默认留在本地,隐私由你自己掌控。 它采用模块化架构设计,后端模型能力由vLLM提供——这意味着你能享受到接近原生GPU性能的高效推理体验,同时支持Qwen3-4B-Instruct等主流开源模型的即插即用。无论是树莓派4、NUC迷你主机,还是带显卡的台式机,只要满足基础硬件要求(2GB显存+8GB内存),就能跑起来。 更关键的是,ClawdBot从诞生之初就定位为“可深度定制的AI网关”。它不预设使用场景,而是把控制权交还给开发者:你可以把它变成客服中台、知识库入口、自动化办公代理,甚至嵌入到自己的SaaS产品中作为智能增强模块。MIT协议的加持,让这种自由没有法律边界——商用、闭源、再分发,全部允许。 它不像某些“一键部署”工具那样隐藏所有细节,反而鼓励你打开配置文件、修改JSON

By Ne0inhk