ChunkyMonkey 分割大型 Git LFS 推送并精确跟踪进度
体验将大型 Git 提交自动拆分为较小推送的功能，以及对超大存储库的实时进度、预计到达时间和速度跟踪。来自 Pwlot 的 ChunkyMonkey 将 Windows 桌面用户界面与独立命令行界面相结合，针对处理游戏、机器学习或研究资产的开发人员。其主要功能包括 Git LFS 风险检测、虚幻引擎资产卫生、Hugging Face 集成，以及用于 AI 访问仓库上下文的本地 MCP 代理，使其适合面临远程推送限制的团队。
ChunkyMonkey 在大型仓库工作流程中有什么作用？
ChunkyMonkey 将超大提交拆分为更小的推送，以避免远程仓库大小和超时失败，通过自动拆分大型 Git 提交并按顺序提交。此外，它会标记在进入仓库历史之前应该使用 Git LFS 的文件，并包括引擎感知检测，能够识别 Unreal 二进制资产，如 .uasset 和 .umap。
它会影响操作期间本地系统性能吗？
推送操作报告实时进度、速度和预计时间，这让您可以在不猜测吞吐量的情况下监控活动。该工具在本地运行，没有遥测或外部托管，因此操作发生在开发者机器上；源代码强调隐私优先的设计，这意味着网络流量仅限于正常的 Git/LFS 交互，而不是后台遥测。
在开发机器上运行 ChunkyMonkey 是否安全？
安全功能侧重于预防而非自动重写：它在提交之前检测 LFS 候选项，降低了错误推送的风险。此外，内置的 MCP Agent 向本地 AI 客户端公开仓库状态、差异和历史，确保 AI 交互发生在本机，而不是将数据发送到外部服务。
操作正确是否需要技术知识？
为技术熟练的开发者设计，该软件包提供桌面应用程序和 CLI，适合习惯于命令行工作流程的用户；Unreal Engine 和 Hugging Face 集成的存在表明目标受众已经熟悉引擎特定资产类型和模型托管工作流程。
ChunkyMonkey 是一个专注于处理非常大仓库的工具
ChunkyMonkey 是一个对开发者非常有用的选项，适用于必须推送大型二进制重的仓库并希望拥有本地控制、自动提交拆分和工具链集成的情况。它的权衡是，它期望用户对 Git、LFS 和特定引擎资产有技术熟悉度，因此技术能力较低的贡献者可能需要队友来操作 CLI 或解释检测结果。
