qkpr - CLI de Pull Request alimenté par IA

VérifiéPrudence

Génère des pull requests sur GitHub, GitLab et Gitee, ainsi que des messages de commit et des noms de branches sémantiques assistés par IA. Il utilise Google Gemini pour analyser les modifications indexées et produire des commits au style Angular. Permet de simplifier le workflow de PR grâce à des menus interactifs et une intégration presse-papiers.

Spar Skills Guide Bot
DeveloppementDébutant
02/06/2026
Claude CodeCopilot
#pull-request#commit-message#cli#git#ai

Recommandé pour

Synthèse automatique

Outil CLI pour créer rapidement des pull requests et générer des messages de commit formatés avec intelligence artificielle.

Points forts

  • Génération automatique de messages de commit suivant la convention Angular
  • Création interactive de pull requests avec sélection de branche, copie dans le presse-papiers et ouverture du navigateur
  • Support multi-plateforme (GitHub, GitLab, Gitee)
  • Génération de noms de branches sémantiques

Limites

  • Nécessite une clé API Google Gemini pour les fonctionnalités IA
  • Fonctionne uniquement avec des dépôts Git
  • L'IA ne traite que les changements stagés
Quand l'utiliser

Lorsque vous souhaitez créer rapidement une pull request ou générer des messages de commit standardisés sans quitter le terminal.

Quand l'éviter

Lorsque vous avez besoin d'une revue de code complète avec interface graphique ou lorsque vous n'avez pas accès à l'API Gemini.

Analyse de sécurité

Prudence
Score qualité92/100

The tool uses network calls to Google's Gemini API, which is a documented feature for AI-powered commit messages. The user must explicitly configure an API key, so it's not hidden. However, sending source code to a third-party service may pose confidentiality risks. The tool also uses Bash and git, but that's normal for its purpose.

Points d'attention
  • •Sends git diffs (staged changes) to external Google Gemini API for commit message generation. Users should ensure they have permission to share code with external services.
Comment cette analyse est faite

Exemples

Create a pull request interactively
Use qkpr to create a pull request for my current branch against main.
Generate an AI commit message
Run qkpr commit to generate an Angular-style commit message from my staged changes.
Generate a semantic branch name
Use qkpr branch to suggest a branch name based on my staged changes.

name: qkpr description: Quick Pull Request CLI with AI-powered commit message generation. Use for creating GitHub/GitLab/Gitee pull requests, generating Angular-style commit messages, and creating semantic branch names. allowed-tools: Bash(qkpr:), Bash(git:)

qkpr - Quick Pull Request CLI

Quick Start

# Interactive menu (shows all options)
qkpr

# Create a pull request
qkpr pr

# Generate AI commit message
qkpr commit

# Generate branch name
qkpr branch

Commands

Interactive Menu (Default)

qkpr

Shows an interactive menu with all available features:

  • 🔧 Create Pull Request
  • 🤖 Generate Commit Message
  • 🌿 Generate Branch Name
  • ⚙ Configure API Key
  • 🔧 Configure Model

Create Pull Request

# Interactive branch selection
qkpr pr

# Specify target branch directly
qkpr pr main
qkpr pr develop

Features:

  • Interactive branch selection with search
  • Protected branch highlighting (main, master)
  • Smart branch categorization by prefix (feat/, fix/, merge/, etc.)
  • Auto-generated PR description with commit summaries
  • Clipboard integration (copies PR description automatically)
  • Browser integration (opens PR comparison page)
  • Merge branch suggestion for conflict resolution
  • Multi-platform support (GitHub, GitLab, Gitee)

Generate Commit Message (AI-Powered)

qkpr commit

Features:

  • 🤖 Uses Google Gemini 2.0 Flash AI
  • 📝 Follows Angular commit message convention
  • 🌿 Suggests semantic branch names
  • 🔍 Analyzes staged changes (git diff --cached)
  • ✅ Interactive: choose to commit, copy, or regenerate
  • 🚀 Option to auto-push after commit

First-time Setup for AI Features

  1. Get Gemini API Key from Google AI Studio
  2. Configure API key:
# Method 1: Use config command
qkpr config

# Method 2: Environment variable
export QUICK_PR_GEMINI_API_KEY=your_api_key_here
# or legacy variable name
export GEMINI_API_KEY=your_api_key_here

Model Configuration

qkpr config:model

Available models (as of 2025):

  • gemini-2.5-pro (latest pro)
  • gemini-2.5-flash (latest flash)
  • gemini-2.0-flash (default)
  • gemini-2.0-flash-exp
  • gemini-flash-latest

Or set via environment:

export QUICK_PR_GEMINI_MODEL=gemini-2.5-pro

Generate Branch Name

qkpr branch

Generates a semantic branch name based on staged changes using AI.

Configuration

# Configure API key
qkpr config

# Configure model
qkpr config:model

Version & Help

qkpr --version    # or qkpr -v
qkpr --help       # or qkpr -h

Workflow Examples

Example 1: Create a Pull Request

# Make your changes
git add .
git commit -m "feat: add new feature"

# Create PR with qkpr
qkpr pr
# Select target branch interactively
# PR description copied to clipboard, browser opens automatically

Example 2: AI-Generated Commit Message

# Stage your changes
git add .

# Generate commit message with AI
qkpr commit
# Review the generated message
# Choose to commit, copy, or regenerate

Example 3: Complete Workflow with AI

# Stage changes
git add .

# Generate commit and create branch name
qkpr commit    # Generates message, suggests branch name
qkpr branch    # Get semantic branch name suggestion

# Commit and push
git checkout -b suggested-branch-name
git commit -m "generated message"
git push

# Create PR
qkpr pr main

Commit Message Convention

qkpr follows Angular commit message format:

<type>(<scope>): <subject>

<body>

<footer>

Types

  • feat - New feature
  • fix - Bug fix
  • docs - Documentation changes
  • style - Code style changes (formatting, etc.)
  • refactor - Code refactoring
  • perf - Performance improvements
  • test - Adding or updating tests
  • chore - Maintenance tasks
  • ci - CI/CD changes
  • build - Build system changes

Configuration File

API keys and settings are stored locally in:

~/.qkpr/config.json

Requirements

  • git version 2.0+
  • Node.js version 18+
  • Gemini API key (for AI features)

License

MIT License © KazooTTT

Du fichier au premier essai

Le téléchargement contient exactement le contenu affiché sur cette fiche. Cette copie peut différer de la dernière version du dépôt source.

Consulter la source et ses fichiers annexes

Ce téléchargement contient uniquement SKILL.md. Les scripts, références, modèles et dépendances éventuels ne sont pas inclus. Récupérez les fichiers nécessaires depuis la source en conservant leur arborescence avant de poursuivre.

1. Télécharger le fichier

Télécharger SKILL.md

Depuis la racine d’un projet de test, enregistrez le fichier sous .skill-downloads/qkpr-ai-powered-pull-request-cli-mmh8qqep/SKILL.md, ou utilisez la commande suivante. Ce dossier sert à examiner la skill avant son installation.

Commande pour macOS/Linux ou WSL : un shell POSIX et curl sont nécessaires. Sous Windows sans WSL, utilisez le bouton de téléchargement et créez le dossier manuellement.

mkdir -p '.skill-downloads/qkpr-ai-powered-pull-request-cli-mmh8qqep' && curl --fail --show-error --location 'https://skills-guides.com/api/skills/qkpr-ai-powered-pull-request-cli-mmh8qqep/download' --output '.skill-downloads/qkpr-ai-powered-pull-request-cli-mmh8qqep/SKILL.md.part' && mv '.skill-downloads/qkpr-ai-powered-pull-request-cli-mmh8qqep/SKILL.md.part' '.skill-downloads/qkpr-ai-powered-pull-request-cli-mmh8qqep/SKILL.md'

2. Vérifier les prérequis

Lisez SKILL.md avant de l’utiliser. Si le fichier cite des scripts ou services externes, examinez-les et préparez les accès nécessaires dans votre environnement de test.

Outils déclarés par l’auteur (à vérifier dans votre agent) : Bash(qkpr:*), Bash(git:*)

Extrait original : Requirements
  • git version 2.0+
  • Node.js version 18+
  • Gemini API key (for AI features)

Les plateformes de la fiche sont des indications du catalogue. Les chemins ci-dessous suivent la documentation des outils ; ils ne prouvent pas que cette skill y a été exécutée. Aucune version minimale de ces outils n’est attestée pour cette fiche.

3. Charger la skill

Après vérification, copiez le dossier complet dans le projet avec l’une des commandes ci-dessous, puis ouvrez une nouvelle session de l’outil. La commande s’arrête si un dossier du même nom existe déjà : comparez les fichiers avant de le remplacer.

Claude Code
test -f '.skill-downloads/qkpr-ai-powered-pull-request-cli-mmh8qqep/SKILL.md' && test -s '.skill-downloads/qkpr-ai-powered-pull-request-cli-mmh8qqep/SKILL.md' && mkdir -p '.claude/skills' && test ! -e '.claude/skills/qkpr' && cp -R '.skill-downloads/qkpr-ai-powered-pull-request-cli-mmh8qqep' '.claude/skills/qkpr'

OpenSkills

OpenSkills doit déjà être installé. La procédure locale install/read est contrôlée avec OpenSkills 1.5.0, qui exige Node.js ≥ 20.6.0. Aucun slug du catalogue n’est résolu automatiquement.

Installation officielle d’OpenSkills
openskills install './.skill-downloads/qkpr-ai-powered-pull-request-cli-mmh8qqep'

openskills read 'qkpr-ai-powered-pull-request-cli-mmh8qqep'

La lecture doit afficher le contenu du fichier installé et son dossier de base. Elle ne lance ni la skill ni ses dépendances.

Pour un agent qui lit AGENTS.md, synchronisez ensuite l’index. Cette commande modifie AGENTS.md : relisez le diff avant de l’utiliser.

openskills sync

Mode manuel ou autre outil : joignez SKILL.md à une conversation, ou ouvrez-le dans un agent capable de lire les fichiers. Ajoutez les ressources annexes nécessaires. Il n’existe pas de dossier universel reconnu par tous les outils.

4. Faire un premier essai

Utilisez une entrée courte et fictive : un endpoint d’API, un petit document ou un brief d’interface. Dans une nouvelle conversation, joignez le fichier ou donnez son chemin à l’agent, puis adaptez cette demande :

Lis .skill-downloads/qkpr-ai-powered-pull-request-cli-mmh8qqep/SKILL.md et applique ses instructions à cet exemple : [décrire une entrée de test]. Indique les fichiers, dépendances ou accès qui manquent. Produis le résultat demandé par la skill sans inventer de données ni exécuter de script non examiné.

Résultat attendu : une sortie correspondant aux instructions de la skill, ou une liste précise des prérequis manquants. Une simple confirmation de lecture ne valide pas le premier usage. Si une ressource externe est indisponible, ce parcours reste à tester.

Skills similaires