Cierra sistemáticamente una rama de desarrollo ejecutando verificación, limpiando el historial de commits, haciendo push con tracking apropiado y haciendo una elección explícita entre merge, squash o tickets de seguimiento. Esto previene el patrón común de ramas abandonadas, PRs stale y contexto perdido cuando el trabajo no se concluye deliberadamente.
Casos de uso
- Completando una rama de funcionalidad que está lista para QA final o revisión de interesados
- Limpiando una rama experimental que produjo aprendizajes útiles pero no va a producción
- Archivando una rama después de que su objetivo fue alcanzado y el trabajo fue mergeado o cherry-picked a otra rama
- Finalizando una rama de sprint donde trabajo incompleto necesita ser diferido con una nota de handoff clara
- Limpieza post-release de rama después de que un deployment ha sido confirmado estable en producción
Funciones principales
- Confirma que CI está verde y ejecuta cualquier paso de verificación local que no esté cubierto por CI (smoke tests, checklists manuales)
- Revisa el diff y haz stage solo de cambios intencionales, revirtiendo cualquier código de debug, workarounds temporales o cambios de formateo no relacionados
- Craft un mensaje de commit significativo que describa qué cambió y por qué, con una referencia al número de ticket o issue
- Haz push de la rama con tracking remoto apropiado y abre el PR con una descripción clara de qué cambió y cómo probarlo
- Después del merge, elimina la rama local y remota a menos que necesite ser preservada para una lineage de hotfix, y actualiza cualquier ticket relacionado
Relacionados
Relacionados
3 Entradas indexadas
Git worktrees for isolation
Usa Git worktrees para crear directorios de trabajo aislados conectados al mismo repositorio, cada uno en una rama diferente, para que experimentos paralelos o tareas de larga ejecución no interfieran con el main working tree o requieran ciclos repetitivos de stash-and-reapply. Esto es especialmente útil cuando una rama requiere un build o test run pesado mientras el trabajo continúa en otra.
Custom AI semiconductor earnings claims due diligence
Estructura titulares de resultados de chips IA custom: ingresos/EPS vs segmento AI y software. Cita CNBC 3-jun-2026: Broadcom Q2 ingresos US$22.190 millones vs US$22.270 millones est., EPS ajustado US$2,44; AI semis US$10.800 millones (+143% interanual); guía Q3 ~US$29.400 millones; software infra US$7.180 millones vs US$7.320 millones; Tan reitera >US$100.000 millones AI en FY27 sin subir 2026; seis clientes core; solo chips—sin usar cifras como compromiso de compra.
Systematic debugging
Reemplaza la depuración de prueba-y-error con un proceso basado en hipótesis: formula una hipótesis refutable, construye la reproducción más pequeña posible y verifica la evidencia antes de tocar el código. Este enfoque estructurado es más valioso durante incidentes de producción, builds de CI inestables y regresiones confusas donde la depuración intuitiva desperdicia horas en síntomas correlacionados pero no causales.