Guía de confirmación de composición de IA

Descripción general

AI Compose Commit lee los cambios de código actuales y genera mensajes de confirmación en formato de confirmaciones convencionales. El punto es simple: dedique menos tiempo a escribir confirmaciones y al mismo tiempo mantenga el historial más claro.

¿Qué es el compromiso de redacción de IA?

AI Compose Commit analiza sus cambios y escribe mensajes de confirmación estandarizados para ellos. Cambia la escritura de confirmación manual por un historial más consistente.

Úselo cuando:

Grandes cambios de código que requieren múltiples confirmaciones
Proyectos de múltiples repositorios con cambios coordinados.
Equipos que requieren formatos de confirmación estandarizados
Desarrolladores que quieran mejorar la calidad del compromiso

Principales ventajas

Característica	Confirmaciones manuales tradicionales	Compromiso de redacción de IA
Comprometer Calidad	Depende de la experiencia individual	Basado en las mejores prácticas, calidad constante
Velocidad de confirmación	Requiere pensamiento y organización.	Generación instantánea con un clic
Consistencia	Puede variar entre confirmaciones	Sigue automáticamente los estándares
Soporte para múltiples repositorios	Se requiere coordinación manual	Reconocimiento y agrupación automática de repositorios
Ahorro de tiempo	Puede llevar mucho tiempo	Ahorra entre 10 y 60 segundos por confirmación

Inicio rápido

Habilitar función

En la aplicación de escritorio HagiCode, navegue hasta el proyecto donde desea utilizar AI Compose Commit y habilite esta función.

Importante: Primero asegúrese de que su proyecto se haya agregado a HagiCode.

Función de disparo

Localice el botón “Compromiso combinado de AI” en la sección de operaciones de Git.

Botón de confirmación combinado de IA

Este botón suele estar ubicado en un lugar destacado en la sección de operaciones de Git, cerca de otras acciones de control de versiones.

Nota importante: Al hacer clic en este botón se activará la generación automática de mensajes de confirmación. Si necesita revertir o modificar confirmaciones, utilice comandos estándar de Git.

Aviso de riesgo de primer uso

Al utilizar AI Compose Commit por primera vez o con cambios no aprobados, el sistema mostrará un cuadro de diálogo de confirmación.

Segundo diálogo de confirmación

El cuadro de diálogo contiene opciones que incluyen:

Confirmar y comenzar a procesar
Comprenda los riesgos, ya no muestre este mensaje
Marcar esta opción hace que el uso posterior sea más conveniente

Se recomienda leer atentamente el mensaje de riesgo durante el primer uso para comprender las implicaciones de las confirmaciones automáticas.

Ver resultados

Una vez que AI complete el procesamiento, verá una notificación de éxito.

Se han generado mensajes de confirmación y están listos. Puede revisarlos antes de finalizarlos si es necesario.

Detalles de la característica

Lógica de análisis de IA

AI Compose Commit analiza los cambios de su código a través del siguiente proceso:

1. Leer cambios en el espacio de trabajo

El sistema recopila todos los archivos modificados, recién agregados y eliminados en el espacio de trabajo actual.

2. Analizar el contenido del archivo

La IA analiza en profundidad el contenido de los archivos modificados para comprender:

Cambios funcionales implementados.
Correcciones de errores aplicadas
Patrones de refactorización utilizados
Dependencias agregadas o eliminadas

3. Identificar asociaciones de cambio

La IA identifica de forma inteligente qué cambios deben agruparse:

Cambios de frontend y backend para la misma característica
Modificaciones del archivo de configuración relacionadas
Actualizaciones de prueba junto con cambios de implementación

4. Generar estructura de compromiso

La IA genera información de confirmación estructurada siguiendo la especificación de confirmaciones convencionales:

&lt;type&gt;(&lt;scope&gt;): &lt;subject&gt;
  &lt;body&gt;
    &lt;footer&gt;

5. Write Commit Message

Each change is transformed into a clear, descriptive commit message.

Commit Format Specification

AI-generated commit messages follow the Conventional Commits format:

&lt;tipo&gt;(&lt;alcance&gt;): &lt;asunto&gt;
  &lt;cuerpo&gt;
    &lt;pie de página&gt;

type: Commit type (required)

feat: New feature
fix: Bug fix
docs: Documentation changes
style: Code style changes (formatting, no code change)
refactor: Code refactoring
test: Adding or updating tests
chore: Build process or auxiliary tool changes
perf: Performance improvements

scope: Scope of the change (optional)

Indicates which part of the project is affected
Format: module/name or category/name

subject: Short description of the change (required)

Imperative mood
Max 50 characters
Use present tense: “Add” not “Added”

body: Detailed description (optional)

What was changed and why
Can use multiple paragraphs
Max 100 characters for first line, 72 for subsequent lines

footer: References to related issues (optional)

Closes #123
BREAKING CHANGE: ...
Co-Authored-By: &commat;anthropic.com>

Example Output

hazaña (auth): agregar funcionalidad de inicio de sesión de usuario
Implementé autenticación OAuth2 con proveedores de Google y GitHub.

El componente de inicio de sesión ahora admite:
- Integración de Google OAuth
- Integración de GitHub OAuth
- Gestión de sesiones con tokens JWT

Coautor de: Claude Opus 4.6 &lt;noreply@anthropic.com&gt;

Comparison with Traditional Manual Commits

Manual Commits

Traditional Git commits rely on:

Developer’s experience and mood
Individual writing habits
Time constraints affecting quality
Inconsistent formatting across team

AI Compose Commit

AI Compose Commit provides:

Standardized format: Always follows Conventional Commits specification
Intelligent analysis: Understands code context and relationships
Quality consistency: Maintains professional tone and accuracy
Time efficiency: Reduces commit writing time from 5-30 minutes to seconds

When to Use Each

Use AI Compose Commit When:

Large batch changes (multiple files, complex features)
Coordinated changes across multiple repositories
Need for high-quality, consistent commit messages
Team projects with multiple contributors

Use Manual Commits When:

Small, focused changes (single file, simple bug fix)
Personal projects with full control over commit quality
When you have time to craft thoughtful, personalized messages

Multi-Repository Support

monospecs Integration

When managing monospecs-based multi-repository projects, AI Compose Commit provides enhanced capabilities:

Read monospecs.yaml

AI automatically reads the monospecs.yaml configuration to:

Identify all configured sub-repositories
Match file paths to corresponding repositories
Access display names and icons for UI rendering

Match File Changes

AI intelligently matches each changed file to the correct sub-repository:

Analyzes file path in project structure
Matches against monospecs repository configurations
Groups related changes together for logical commits

Separate Commits

Each sub-repository receives independent commits:

Frontend changes committed to repos/frontend
Backend changes committed to repos/backend
Maintains independent git history and version control

AI Compose Commit appends the currently effective Co-Authored-By trailer to every generated commit. Interactive Git commits and the OpenSpec v1 archive prompt reuse the same resolution rules, so teams only need to maintain one convention.

The precedence order is fixed:

Project-level config: local Git config in the current repository (git config --local)
Global config: user-level Git config (git config --global)
Built-in default: HagiCode <noreply@hagicode.com>

If a layer is missing name, missing email, or contains an invalid email address, HagiCode skips that layer and falls back to the next one instead of emitting a malformed trailer.

Default output:

Coautor de: HagiCode &lt;noreply@hagicode.com&gt;

Repository override example:

git config --local coAuthoredBy.name "Plataforma Bot"
git config --local coAuthoredBy.email "plataforma-bot@ejemplo.com"

Global fallback example:

git config --global coAuthoredBy.name "HagiCode"
git config --global coAuthoredBy.email "noreply@hagicode.com"

With the local override above, the trailer becomes:

Coautor de: Platform Bot <platform-bot@example.com>

Operational details:

If the commit message already contains the same resolved trailer, HagiCode does not append a duplicate.
If the message already contains a different Co-Authored-By line, HagiCode keeps that line and still appends the resolved AI trailer.
Teams should treat repository-level config as the canonical rule and keep global config as a personal fallback.

Advantages for Multi-Repo Projects

Traceability: Clear history of which repository received which changes Coordination: Changes across multiple repos can be committed simultaneously or sequentially Consistency: Uniform commit format across all repositories Efficiency: Reduced coordination overhead for changes spanning multiple repositories

Usage Guidelines

Best Practices

For optimal AI Compose Commit results:

1. Keep Changes Focused

Each commit should address a single feature or fix
Avoid bundling unrelated changes in one commit
Make incremental progress with meaningful commit messages

2. Clear Code Comments

Add comments in complex code to help AI understand intent
Use descriptive comments for non-obvious implementation details
Keep comments updated as code evolves

3. Reasonable File Naming

Use clear, descriptive file names
Follow project naming conventions
Avoid overly generic names that don’t convey purpose

4. Timely Committing

Commit frequently as meaningful changes are completed
Don’t accumulate large batches of uncommitted work
Each commit should represent a logical unit of progress

5. Leverage Multi-Repo Intelligence

Let AI group related changes across repositories
Use descriptive scopes to indicate affected modules
Review AI’s suggested groupings before committing

Usage Restrictions

Limitations

AI Compose Commit has the following usage limitations:

1. Network Dependency

Requires active connection to AI service
Processing time depends on network conditions
Large codebases may take longer to analyze

2. File Size Limits

Very large files (>10MB) may exceed processing limits
Binary files are not analyzed (only text-based content)
Split large changes into smaller commits if needed

3. Codebase Complexity

Extremely complex code may be difficult to analyze fully
Deeply nested or obfuscated code may have reduced accuracy
Results are best-effort based on visible code

4. First Use Considerations

When using AI Compose Commit for the first time:

Start with smaller, safer changes to understand AI behavior
Verify generated commits before finalizing
Provide clear code comments to improve AI understanding
Check that project is properly connected in HagiCode

Troubleshooting

Feature Not Available

If you don’t see the AI Combined Commit button:

Ensure the project is added to HagiCode
Refresh the interface
Check if this feature is enabled in your version
Verify your network connection to AI service

No Response After Clicking

If nothing happens after clicking the button:

Check for notification dialogs (may be hidden behind other windows)
Check browser console for error messages
Verify network connectivity
Try restarting the application

Incorrect Generated Messages

If AI generates incorrect commit messages:

Manually modify using git commit --amend
Add more descriptive comments to help AI understand
Check code changes are accurately represented
Re-trigger the feature after making adjustments

Processing Takes Too Long

If processing seems to be taking an unusually long time:

Check if there are very large files being analyzed
Verify network stability
Try splitting changes into smaller batches
Check if AI service is experiencing high load

If commits don’t include the expected footer:

This may indicate AI service is unavailable
Check your API token configuration in HagiCode settings
Verify network connectivity
Check whether the local coAuthoredBy.name / coAuthoredBy.email config is incomplete and therefore falling back to another layer
Consider generating commits manually if issue persists

For more information, refer to the HagiCode documentation or check the monospecs repository for configuration examples.