Git(分布式版本控制工具)

Git 是分布式版本控制工具,以内容寻址对象和引用组织版本历史。普通完整克隆可在本地提交和查看历史;分支是指向提交的可移动引用,HEAD 通常指向当前分支,也可以直接指向提交。

二稿核验说明(2026-10-15):本文为“河洛序”教程二稿,已按官方规范与文档修订。旧实验日志单独标为“一稿留存输出”,不代表本次在Windows上的复跑;本次环境与结果见本批核验记录。示例中的“星河笔记”、账号、订单、价格与政策均为虚构教学数据。

一句话定义

Git 是分布式版本控制工具,以内容寻址对象和引用组织版本历史。普通完整克隆可在本地提交和查看历史;分支是指向提交的可移动引用,HEAD 通常指向当前分支,也可以直接指向提交。

为什么重要

  • 事实上的行业标准:GitHub、GitLab、Hugging Face Hub 的模型与数据集仓库都以 Git 为底层Hugging Face Hub 仓库说明:https://huggingface.co/docs/hub/repositories。
  • 理解 Git 的对象模型之后,reset、rebase、detached HEAD 等“吓人”的操作都变得可预测,部分已提交的误操作可借助尚未过期的 reflog 查找恢复。
  • AI 编程助手、CI/CD(k6.swe.ci-cd)都以 Git 提交为触发和回溯的基本单位。

原理 / 图解

三个区域:工作区(你看到的文件)→ 暂存区(index,下次提交的草稿)→ 仓库(.git/objects)。

四种对象Pro Git 10.2 Git Objects:https://git-scm.com/book/en/v2/Git-Internals-Git-Objects

对象 存什么 类比
blob 文件内容(不含文件名) 一页纸
tree 文件名 → blob/子 tree 的列表 目录
commit 根 tree + 父提交 + 作者 + 时间 + 说明 一张贴了标签的快照
tag 指向某对象的带注释标签 书签

SHA-1格式仓库中对象的 ID 是 sha1("<类型> <字节数>\0" + 内容)。由于父提交的 hash 写在提交内容里,重写某提交并以它重建后代链,会产生新的后代ID;原对象本身不会被原地修改——这就是“改写已推送的历史”会给协作者造成麻烦的根源。

图 1

Git 正在推进 SHA-256 对象格式(git init --object-format=sha256),见 https://git-scm.com/docs/hash-function-transition。

适用边界与核验要点

SHA-1公式适用于SHA-1对象格式,不是所有仓库固定使用SHA-1。引用可存于松散文件、packed-refs或其他引用后端,因此“分支就是一个文本文件”只是本例的磁盘观察。reflog是本地引用移动记录,会过期,且不可达对象可能被清理;它不是备份,也不保证找回工作区内容。已暂存但未提交的数据有时可从悬空对象恢复,但没有可靠保留保证。固定时间不足以跨机器固定提交ID,还必须固定字节内容、父对象、签名、对象格式和相关配置。

本次检索核对的主要依据(2026-10-15):

可运行示例

以下Bash脚本在临时目录中演示Git对象、暂存区、引用与恢复操作。一稿日志所列Git为2.47.3;本次系统及工具版本另见复跑记录。

#!/usr/bin/env bash
# 文件:examples/02_git.sh
# Git 内部结构实验:对象、引用、暂存区与“后悔药”。固定作者与时间,使提交 hash 可复现。
set -euo pipefail
export GIT_AUTHOR_NAME=xiaoming GIT_AUTHOR_EMAIL=xm@example.com GIT_COMMITTER_NAME=xiaoming GIT_COMMITTER_EMAIL=xm@example.com
export GIT_AUTHOR_DATE="2026-10-14T10:00:00+08:00" GIT_COMMITTER_DATE="2026-10-14T10:00:00+08:00"
D=$(mktemp -d); cd "$D"
git init -q -b main demo && cd demo
git --version

echo "== ① 一个文件内容 = 一个 blob 对象"
printf '你是星河笔记客服。\n' > prompt.txt
git hash-object prompt.txt
"${PY:-python3}" -c "
import hashlib; data=open('prompt.txt','rb').read()
print(hashlib.sha1(b'blob %d\x00' % len(data) + data).hexdigest(), '<- 手算 sha1(\"blob 长度\\\\0\"+内容)')"

echo "== ② 工作区 → 暂存区 → 提交"
git status --short; git add prompt.txt; git status --short
git commit -q -m "初始提示词"; git log --oneline
echo "-- 提交对象内容:"; git cat-file -p HEAD
echo "-- 树对象内容:"; git cat-file -p 'HEAD^{tree}'
echo "-- 分支只是一个存着提交 hash 的文本文件:"; cat .git/refs/heads/main; cat .git/HEAD

echo "== ③ 再提交两次,查看历史与差异"
printf '回答要简洁。\n' >> prompt.txt; git commit -q -am "要求简洁"
printf '不知道就说不知道。\n' >> prompt.txt; git commit -q -am "加入弃答规则"
git log --oneline; git diff HEAD~2 HEAD --stat; git diff HEAD~1 HEAD | tail -3
echo "-- 对象总数:"; git count-objects -v | grep '^count'

echo "== ④ 误操作:reset --hard 丢掉最近两次提交,再用 reflog 找回"
git reset -q --hard HEAD~2; git log --oneline
git reflog -4
git reset -q --hard 'HEAD@{1}'; git log --oneline -1

echo "== ⑤ 找出是哪次提交引入了某一行:git blame"
git blame --date=short prompt.txt | cut -c1-60

echo "== ⑥ .gitignore 防止把密钥与大文件提交进去"
printf 'OPENAI_API_KEY=sk-fake-000\n' > .env; head -c 1000000 /dev/zero > model.bin
printf '.env\n*.bin\n' > .gitignore; git status --short --ignored
rm -rf "$D"

一稿留存输出

以下日志按一稿保留,来自一稿声称的原环境;不是本次复跑结果。二稿代码改动后可产生不同输出,实际复跑状态以本批核验记录为准。

git version 2.47.3
== ① 一个文件内容 = 一个 blob 对象
ac08f29a06f24e207143087e7fbabc64f4315750
ac08f29a06f24e207143087e7fbabc64f4315750 <- 手算 sha1("blob 长度\0"+内容)
== ② 工作区 → 暂存区 → 提交
?? prompt.txt
A  prompt.txt
a23d31b 初始提示词
-- 提交对象内容:
tree 40a6c5413a245819e63bbd75507e70ab38d8ee2c
author xiaoming <xm@example.com> 1791943200 +0800
committer xiaoming <xm@example.com> 1791943200 +0800

初始提示词
-- 树对象内容:
100644 blob ac08f29a06f24e207143087e7fbabc64f4315750	prompt.txt
-- 分支只是一个存着提交 hash 的文本文件:
a23d31b5549166325f79a30a223ab6dcbed42135
ref: refs/heads/main
== ③ 再提交两次,查看历史与差异
18d1151 加入弃答规则
bb3f2d2 要求简洁
a23d31b 初始提示词
 prompt.txt | 2 ++
 1 file changed, 2 insertions(+)
 你是星河笔记客服。
 回答要简洁。
+不知道就说不知道。
-- 对象总数:
count: 9
== ④ 误操作:reset --hard 丢掉最近两次提交,再用 reflog 找回
a23d31b 初始提示词
a23d31b HEAD@{0}: reset: moving to HEAD~2
18d1151 HEAD@{1}: commit: 加入弃答规则
bb3f2d2 HEAD@{2}: commit: 要求简洁
a23d31b HEAD@{3}: commit (initial): 初始提示词
18d1151 加入弃答规则
== ⑤ 找出是哪次提交引入了某一行:git blame
^a23d31b (xiaoming 2026-10-14 1) 你是星河笔记客服。
bb3f2d27 (xiaoming 2026-10-14 2) 回答要简洁。
18d11510 (xiaoming 2026-10-14 3) 不知道就说不知道。
== ⑥ .gitignore 防止把密钥与大文件提交进去
?? .gitignore
!! .env
!! model.bin
  • ① git hash-object 给出的 ac08f29a… 与 Python 手算 sha1("blob 长度\0"+内容) 完全一致——blob 的名字就是内容的指纹,与文件名无关。
  • ② ?? 表示未跟踪,git add 后变成 A(已暂存)。提交对象里只有 tree、author、committer 和说明(首个提交没有 parent 行);1791943200 是 2026-10-14 10:00 +08:00 的 Unix 时间戳。.git/refs/heads/main 里只有一行 40 位 hash,HEAD 文件内容是 ref: refs/heads/main——本例观察到的是松散引用文件;分支的逻辑含义是引用,并不绑定这种存储形式。
  • ③ 3 次提交后对象数为 9:3 个 commit + 3 个 tree + 3 个 blob(每次 prompt.txt 都变了)。
  • ④ reset --hard HEAD~2 后历史当前分支指向的可达历史回到 a23d31b,但 reflog 仍记得 HEAD@{1} 是 18d1151,在这次本地演示中可用该引用重新定位。不可达引用记录的默认过期阈值涉及 gc.reflogExpireUnreachable(通常30天),但这是可配置的清理规则,不是对象恢复服务保证https://git-scm.com/docs/git-gc。
  • ⑤ git blame 标出每一行由哪个提交引入;^a23d31b 的 ^ 表示这是边界(首个)提交。
  • ⑥ .gitignore 生效后,.env 与 model.bin 显示为 !!(已忽略),不会被 git add . 带进仓库。
  • 一稿脚本编写记录:脚本开了 set -o pipefail,最初写的 git log --oneline | head -1 让整个脚本以退出码 141 中止——head 读完一行就关闭管道,git 收到 SIGPIPE。改用 git log -1 解决(详见 k6.ops.shell-script)。

自测

问题: 把已经提交的 .env 加进 .gitignore,历史中的密钥会消失吗?

参考答案: 不会。.gitignore主要约束未跟踪路径;已泄露的密钥应先吊销或轮换,再按协作流程清理历史及其他副本。

常见误区

  • “git add 之后改的内容也会被提交”:暂存区保存的是 add 那一刻的快照,之后的修改要再 add。
  • “.gitignore 能让已提交的文件消失”:它只影响未跟踪文件;已提交的需 git rm --cached,若是密钥还必须立即吊销,因为历史里仍有(见 k6.sec.secret-management)。
  • “reset --hard 后东西就没了”:已提交过的内容通常能从 reflog 找回;未保存的工作区修改通常无法依靠Git恢复;暂存或提交过的对象也受保留与清理条件限制。
  • “commit hash 是随机的”:它由内容、父提交、作者、时间决定,本例固定这些量后 hash 可复现。

与 AI 开发的关系

  • 让 AI 助手执行 Git 命令前,审核是否含 push --force、reset --hard、clean -fdx 这类可能覆盖工作区或改写共享历史的操作(Bash 危险命令表见 k6.ops.shell-script)。
  • 模型权重、数据集不要直接进 Git;Hugging Face Hub 底层用 Git + LFS/Xet 存大文件。
  • 用 git bisect 二分查找“哪次提交让评测分数下降”,配合自动化评测脚本可以全自动定位https://git-scm.com/docs/git-bisect。

延伸阅读

尚未验证的范围

  • 未验证托管平台对SHA-256仓库、不同引用后端与历史清理配置的兼容性。Bash脚本运行状态见本批核验记录。

本次示例运行范围

2026-10-15:未复跑。按所列资料及代码审阅修订;未执行完整示例。未验证托管平台对SHA-256仓库、不同引用后端与历史清理配置的兼容性。Bash脚本运行状态见本批核验记录。。

“一稿留存输出”保留原字,不是二稿代码新生成的结果;其原结论须结合二稿修订与边界阅读。

继续浏览基础 返回知识 →返回顶部 ↑
本篇目录
教程图解100%
教程图解