AI Agents · Lektion

Commit-Historie und Diff-Analyse

Commit-Historien durchgehen, geänderte Dateien extrahieren und Diffs zusammenfassen.

Lektion 4 von 413 Schritte

Commit-Historie und Diff-Analyse ist eine kostenlose AI Agents-Lektion auf CoddyKit. Dies ist Lektion 4 von 4. Du kannst die komplette Lektion unten kostenlos lesen – dann übst du sie direkt im Browser mit einem integrierten Code-Editor und einem KI-Tutor rund um die Uhr. Sie ist Teil des AI Agents-Lernpfads, und dein Fortschritt wird über Web und CoddyKit-App synchronisiert. Der AI Agents-Kurs umfasst insgesamt 4 Lektionen.

Warum die Commit-Historie analysieren?

Die Commit-Historie ist eine wahre Fundgrube für Agents: Sie zeigt, was wann und von wem geändert wurde. Agents verwenden die Commit-Historie zum Erstellen von Changelogs, für Zusammenfassungen von Code-Reviews, Berichte über die Entwickleraktivität, die Erkennung von Risiken (große Änderungen kurz vor Releases) und zum Verständnis der Entwicklung einer Codebasis.

from github import Github
import os

g = Github(token=os.environ['GITHUB_TOKEN'])
repo = g.get_repo('myorg/myrepo')

# Get recent commits on the default branch
commits = repo.get_commits()
print(f'Total commits: {commits.totalCount}')

# Preview the last 5
for commit in commits[:5]:
    print(f'{commit.sha[:8]} | {commit.commit.author.name}')
    print(f'  {commit.commit.message.split(chr(10))[0][:60]}')
    print(f'  {commit.commit.author.date.date()}')

Commits nach Zeitraum filtern

Verwenden Sie die Parameter since und until, um Commits in einem bestimmten Datumsbereich abzurufen. Für beide werden Python-Objekte vom Typ datetime verwendet. Dies ist das wichtigste Werkzeug zum Erstellen wöchentlicher oder monatlicher Aktivitätsberichte.

import datetime
from github import Github
import os

g = Github(token=os.environ['GITHUB_TOKEN'])
repo = g.get_repo('myorg/myrepo')

# Last 7 days of commits
now = datetime.datetime.utcnow()
last_week = now - datetime.timedelta(days=7)

recent_commits = repo.get_commits(
    since=last_week,
    until=now
)

print(f'Commits in last 7 days: {recent_commits.totalCount}')

# By specific author
author_commits = repo.get_commits(
    since=last_week,
    author='alice'  # GitHub username
)
print(f'Alice\'s commits last week: {author_commits.totalCount}')

# On a specific branch
branch_commits = repo.get_commits(
    sha='feature/new-api',
    since=last_week
)

Commit-Statistiken: Hinzufügungen und Löschungen

Jedes Commit-Objekt besitzt eine Eigenschaft stats mit den Änderungszahlen additions, deletions und total für alle geänderten Dateien. Dadurch lässt sich die Größe einer Änderung schnell einschätzen.

from github import Github
import os

g = Github(token=os.environ['GITHUB_TOKEN'])
repo = g.get_repo('myorg/myrepo')

commit = repo.get_commit('abc12345sha')

# Overall stats
print(f'SHA: {commit.sha[:8]}')
print(f'Message: {commit.commit.message[:80]}')
print(f'Author: {commit.commit.author.name}')
print(f'Date: {commit.commit.author.date}')
print(f'Additions: +{commit.stats.additions}')
print(f'Deletions: -{commit.stats.deletions}')
print(f'Total changes: {commit.stats.total}')

# Large commit warning
if commit.stats.total > 500:
    print('WARNING: Large commit — careful code review needed')

Geänderte Dateien eines Commits auflisten

commit.files ist eine Liste von File-Objekten für jede im Commit geänderte Datei. Eigenschaften: filename, status (added/modified/removed/renamed), additions, deletions und patch (der Diff-Text).

from github import Github
import os

g = Github(token=os.environ['GITHUB_TOKEN'])
repo = g.get_repo('myorg/myrepo')
commit = repo.get_commit('abc12345sha')

print(f'Files changed: {len(commit.files)}')

for f in commit.files:
    print(f'  [{f.status.upper():<8}] {f.filename}')
    print(f'    +{f.additions} -{f.deletions}')
    if f.previous_filename:  # for renamed files
        print(f'    Renamed from: {f.previous_filename}')

# Find changed Python files
python_changes = [
    f for f in commit.files
    if f.filename.endswith('.py')
]
print(f'\nPython files changed: {len(python_changes)}')

Diff-Text (Patch) analysieren

file.patch enthält einen Unified Diff. Zeilen, die mit + beginnen, sind Hinzufügungen, Zeilen mit - sind Löschungen, und Kontextzeilen haben kein Präfix. Analysieren Sie den Diff, um hinzugefügte Zeilen für weitere Prüfungen zu extrahieren — beispielsweise, um neue Geheimnisse, TODO-Kommentare oder Anti-Patterns zu finden.

def extract_added_lines(patch):
    if not patch:
        return []
    added = []
    for line in patch.split('\n'):
        if line.startswith('+') and not line.startswith('+++'): 
            added.append(line[1:])  # strip the '+' prefix
    return added

def scan_for_secrets(added_lines):
    import re
    PATTERNS = [
        (r'api[_-]?key\s*=\s*["\'][^"\']{20,}', 'potential API key'),
        (r'password\s*=\s*["\'][^"\']{6,}', 'potential hardcoded password'),
        (r'sk-[a-zA-Z0-9]{20,}', 'potential OpenAI key'),
        (r'ghp_[a-zA-Z0-9]{36}', 'potential GitHub token'),
    ]
    findings = []
    for i, line in enumerate(added_lines, 1):
        for pattern, label in PATTERNS:
            if re.search(pattern, line, re.IGNORECASE):
                findings.append({'line': i, 'type': label, 'preview': line[:80]})
    return findings

# --- demo ---
patch = (
    '@@ -1,2 +1,3 @@\n'
    ' def connect():\n'
    '+    api_key = "sk-abcdefghijklmnopqrstuvwx"\n'
    '+    password = "hunter2222"\n'
)
added = extract_added_lines(patch)
print('Added lines:', added)
for finding in scan_for_secrets(added):
    print(finding)

Aktivitäten nach Autor zusammenfassen

Gruppieren Sie Commits nach Autor, um Berichte über die Entwickleraktivität zu erstellen. Zählen Sie für jeden Autor innerhalb eines Zeitraums die Commits, hinzugefügten und gelöschten Zeilen sowie die bearbeiteten Dateien. Dies ist für Team-Retrospektiven und Entscheidungen zur PR-Zuweisung nützlich.

import datetime
from collections import defaultdict
from github import Github
import os

g = Github(token=os.environ['GITHUB_TOKEN'])
repo = g.get_repo('myorg/myrepo')

last_month = datetime.datetime.utcnow() - datetime.timedelta(days=30)

author_stats = defaultdict(lambda: {'commits': 0, 'additions': 0, 'deletions': 0, 'files': set()})

for commit in repo.get_commits(since=last_month):
    author = commit.commit.author.name
    author_stats[author]['commits'] += 1
    author_stats[author]['additions'] += commit.stats.additions
    author_stats[author]['deletions'] += commit.stats.deletions
    for f in commit.files:
        author_stats[author]['files'].add(f.filename)

print('Author Activity (last 30 days):')
for author, stats in sorted(author_stats.items(), key=lambda x: -x[1]['commits']):
    print(f'{author}: {stats["commits"]} commits, +{stats["additions"]} -{stats["deletions"]}, {len(stats["files"])} files')

Einen Changelog aus Commits erstellen

Ein Changelog-Agent liest Commits zwischen zwei Tags oder Datumsangaben ein, gruppiert sie nach Typ (feat/fix/chore im Format für Conventional Commits) und erstellt einen formatierten Changelog. Verwenden Sie ein LLM, um die Beschreibung jedes Commits qualitativ zu verbessern.

import re
import datetime
from github import Github
import os

g = Github(token=os.environ['GITHUB_TOKEN'])
repo = g.get_repo('myorg/myrepo')

def get_commits_since_tag(repo, tag_name):
    try:
        ref = repo.get_git_ref(f'tags/{tag_name}')
        tag_sha = ref.object.sha
        tag_commit = repo.get_commit(tag_sha)
        since = tag_commit.commit.author.date
        return list(repo.get_commits(since=since))[:-1]  # exclude the tag commit
    except Exception:
        return []

def parse_conventional_commit(message):
    match = re.match(r'^(feat|fix|chore|docs|test|refactor|perf|style)(\(.+?\))?: (.+)', message)
    if match:
        return match.group(1), match.group(3)
    return 'other', message.split('\n')[0][:60]

commits = get_commits_since_tag(repo, 'v1.2.0')
by_type = {'feat': [], 'fix': [], 'other': []}
for c in commits:
    msg = c.commit.message
    ctype, desc = parse_conventional_commit(msg)
    by_type.get(ctype, by_type['other']).append(desc)
print(f'Parsed {len(commits)} commits')

Commits mit hohem Risiko erkennen

Commits mit hohem Risiko sind groß, betreffen kritische Dateien (Authentifizierung, Zahlungen, Sicherheit) oder wurden sehr kurz vor einem Release erstellt. Ein Agent kann diese vor dem Zusammenführen in main für eine gründlichere Prüfung markieren.

import datetime
from github import Github
import os

g = Github(token=os.environ['GITHUB_TOKEN'])
repo = g.get_repo('myorg/myrepo')

CRITICAL_PATHS = [
    'src/auth', 'src/payment', 'src/security',
    'config/', '.env', 'Dockerfile', 'requirements.txt'
]

def is_high_risk(commit):
    reasons = []

    # Large change
    if commit.stats.total > 300:
        reasons.append(f'Large change: {commit.stats.total} lines')

    # Touches critical files
    for f in commit.files:
        for path in CRITICAL_PATHS:
            if f.filename.startswith(path):
                reasons.append(f'Touches critical: {f.filename}')
                break

    return reasons

now = datetime.datetime.utcnow()
for commit in repo.get_commits(since=now - datetime.timedelta(days=1)):
    risks = is_high_risk(commit)
    if risks:
        print(f'HIGH RISK: {commit.sha[:8]} - {commit.commit.message[:50]}')
        for r in risks:
            print(f'  - {r}')

Zwei Commits vergleichen

Verwenden Sie repo.compare(base, head), um den Diff zwischen zwei Refs (Branches, Tags oder Commit-SHAs) abzurufen. Dadurch wird ein Comparison-Objekt mit den zusammengefassten Statistiken, der Liste der Commits und der Liste der zwischen den beiden Punkten geänderten Dateien zurückgegeben.

from github import Github
import os

g = Github(token=os.environ['GITHUB_TOKEN'])
repo = g.get_repo('myorg/myrepo')

# Compare two branches
comparison = repo.compare('main', 'feature/new-api')

print(f'Commits ahead: {comparison.ahead_by}')
print(f'Commits behind: {comparison.behind_by}')
print(f'Status: {comparison.status}')  # ahead/behind/identical/diverged
print(f'Total commits in diff: {len(comparison.commits)}')
print(f'Files changed: {len(comparison.files)}')

# Summary of what changed
for f in comparison.files:
    print(f'  {f.status}: {f.filename} +{f.additions} -{f.deletions}')

# Compare two tags
tag_comparison = repo.compare('v1.0.0', 'v1.1.0')
print(f'Changes between v1.0.0 and v1.1.0: {len(tag_comparison.commits)} commits')

LLM-gestützte Commit-Zusammenfassung

Übergeben Sie einem LLM eine Gruppe von Commit-Nachrichten und Dateinamen, um eine für Menschen verständliche Zusammenfassung der Änderungen in einem bestimmten Zeitraum zu erstellen. Dies bildet den Kern eines Bots für den wöchentlichen Engineering-Digest.

import anthropic
import os

client = anthropic.Anthropic(api_key=os.environ['ANTHROPIC_API_KEY'])

def summarize_commits(commits, time_period='last week'):
    commit_data = []
    for commit in commits[:30]:  # limit to avoid context overflow
        commit_data.append(
            f'- {commit.commit.message.split(chr(10))[0][:80]} '
            f'(+{commit.stats.additions}/-{commit.stats.deletions})'
        )

    commit_list = '\n'.join(commit_data)
    prompt = (
        f'Summarize what happened in this codebase {time_period} '
        f'based on these commit messages. Be concise (3-5 bullet points). '
        f'Focus on user-facing changes and significant technical work.\n\n'
        f'Commits:\n{commit_list}'
    )

    response = client.messages.create(
        model='claude-opus-4-5',
        max_tokens=400,
        messages=[{'role': 'user', 'content': prompt}]
    )
    return response.content[0].text

Sensible Dateien in Commits erkennen

Ein sicherheitsorientierter Agent zur Commit-Analyse sucht nach Commits, die versehentlich sensible Dateien enthalten: private Schlüssel, .env-Dateien, Konfigurationen mit Zugangsdaten oder Datenbank-Dumps. Prüfen Sie commit.files auf Dateinamen, die bekannten Mustern für sensible Dateien entsprechen.

import re
from github import Github
import os

g = Github(token=os.environ['GITHUB_TOKEN'])
repo = g.get_repo('myorg/myrepo')

SENSITIVE_PATTERNS = [
    r'\.env$', r'\.pem$', r'\.key$', r'id_rsa', r'credentials\.json',
    r'secret', r'password', r'\.p12$', r'keystore', r'\btoken\b'
]

def is_sensitive_filename(filename):
    for pattern in SENSITIVE_PATTERNS:
        if re.search(pattern, filename, re.IGNORECASE):
            return pattern
    return None

import datetime
last_day = datetime.datetime.utcnow() - datetime.timedelta(days=1)

for commit in repo.get_commits(since=last_day):
    for f in commit.files:
        matched = is_sensitive_filename(f.filename)
        if matched and f.status in ('added', 'modified'):
            print(f'ALERT: Sensitive file in commit {commit.sha[:8]}')
            print(f'  File: {f.filename} (matched: {matched})')
            print(f'  Author: {commit.commit.author.name}')
            print(f'  Link: {commit.html_url}')

Kurzer Check: commit.files vs pr.get_files()

Testen Sie Ihr Verständnis des Zugriffs auf Commit-Diffs.

Beantworte es in der interaktiven Lektion

Zusammenfassung: Analyse der Commit-Historie

Ihr Agent kann die Commit-Historie nun umfassend analysieren:

repo.get_commits(since, until, author, sha) — filtert Commits nach Zeitraum, Autor oder Branch
commit.stats — Hinzufügungen, Löschungen und Gesamtzahl für alle geänderten Dateien
commit.files — Details zu jeder Datei einschließlich des Patches (Unified Diff)
Analysieren Sie file.patch, um hinzugefügte Zeilen auf Geheimnisse, TODOs oder Anti-Patterns zu prüfen
Gruppieren Sie Commits für Aktivitätsberichte nach Autor
repo.compare(base, head) — Diff zwischen zwei Refs (Branches, Tags, SHAs)
Verwenden Sie LLMs, um aus Listen von Commit-Nachrichten für Menschen verständliche Zusammenfassungen zu erstellen
Markieren Sie Commits mit hohem Risiko: große Änderungen, kritische Dateien und zeitliche Nähe zu Releases

Kostenlos starten

Lerne AI Agents mit einem KI-Tutor — kostenlos

Schreibe und führe echten Code in deinem Browser aus, bekomme sofortige Hilfe von einem 24/7 KI-Tutor und setze dein Lernen im Web oder in der App fort.

Kurse: 60
Lektionen: 239

Kostenlos lernen Den vollständigen Kurs ansehen

Häufig gestellte Fragen

Ist die Lektion „Commit-Historie und Diff-Analyse“ kostenlos?

Ja — der vollständige Text von „Commit-Historie und Diff-Analyse“ ist hier im Web kostenlos zu lesen. Um sie interaktiv zu üben (integrierter Code-Editor und 24/7 KI-Tutor) und den Rest des AI Agents-Kurses freizuschalten, upgrade auf CoddyKit PRO. Der AI Agents-Kurs umfasst insgesamt 4 Lektionen.

Was lerne ich in „Commit-Historie und Diff-Analyse“?

Commit-Historien durchgehen, geänderte Dateien extrahieren und Diffs zusammenfassen. Du übst AI Agents mit praktischem Code, den du direkt im Browser ausführst, und ein 24/7 KI-Tutor beantwortet deine Fragen während du die Lektion bearbeitest.

Brauche ich Erfahrung, um AI Agents zu starten?

Keine Vorkenntnisse erforderlich. AI Agents auf CoddyKit ist für Anfänger bis fortgeschrittene Lernende strukturiert, sodass du hier starten oder von Anfang an beginnen und in deinem eigenen Tempo voranschreiten kannst. Dies ist Lektion 4 von 4.

Wie lange dauert die Lektion „Commit-Historie und Diff-Analyse“?

Die meisten CoddyKit-Lektionen dauern etwa 5–10 Minuten. Jede ist kompakt und interaktiv, sodass du stetig Fortschritte machst und genau dort weitermachst, wo du aufgehört hast – im Web und in der App.

Kann ich in dieser AI Agents-Lektion Code schreiben und ausführen?

Ja. Jede AI Agents-Lektion enthält einen integrierten Code-Editor, sodass du echten Code direkt in deinem Browser schreibst und ausführst und sofort KI-Feedback erhältst — ohne lokale Einrichtung erforderlich.

Alle Lektionen in diesem Kurs

← Zurück zu AI Agents