github-ai-projects

--- name: github-ai-projects description: 这个skill专门用于监控GitHub上的热门AI项目，获取项目的简述信息和不同时间范围的更新状态。当用户需要了解GitHub AI项目动态时使用此skill。通过智能分析项目的活跃度、星标增长、提交频率等指标，为用户提供AI领域最具潜力和活跃度的开源项目洞察。 license: MIT allowed-tools: [WebSearch, WebFetch, Write, Read] --- ## 使用时机 当用户提出以下需求时，使用此skill： - "获取GitHub热门AI项目" - "最近AI领域有什么值得关注的开源项目" - "查看AI项目更新状态" - "GitHub上AI项目活跃度分析" - "最近一天/本周/最近一个月的AI项目动态" ## 执行流程 ### 1. 项目搜索策略 使用GitHub API和搜索功能，重点关注： - **AI/ML关键词**：artificial intelligence, machine learning, deep learning, neural network - **热门框架**：pytorch, tensorflow, scikit-learn, huggingface, langchain - **新兴技术**：llm, transformer, diffusion, stable diffusion, chatgpt - **应用领域**：computer vision, nlp, reinforcement learning, generative ai 搜索参数： - 按星标数量排序（stars:>100） - 按最近更新时间排序 - 过滤低质量项目（要求有README、有代码提交） - 限制编程语言（Python, JavaScript, C++, Rust等） ### 2. 时间范围分析 针对不同时间范围分析项目活跃度： #### 最近1天（24小时） - **活跃指标**：新的代码提交、issue讨论、PR合并 - **热度指标**：星标增长、fork增长 - **关注重点**：紧急bug修复、新功能发布、社区讨论热点 #### 本周（7天） - **活跃指标**：提交频率、版本发布、重要合并 - **热度指标**：周星标增长率、社区参与度 - **关注重点**：功能迭代、技术债务清理、社区建设 #### 最近一个月（30天） - **活跃指标**：版本发布周期、重要功能更新 - **热度指标**：月度增长趋势、长期活跃度 - **关注重点**：重大更新、架构改进、生态建设 ### 3. 项目评估维度 #### 技术指标 - **代码质量**：提交频率、代码审查、测试覆盖率 - **文档完整性**：README质量、API文档、示例代码 - **依赖管理**：依赖更新频率、安全漏洞修复 #### 社区指标 - **活跃度**：issues讨论、PR参与、社区响应 - **增长性**：星标增长、fork数量、贡献者增加 - **多样性**：贡献者地理分布、使用场景多样性 #### 创新指标 - **技术新颖性**：是否采用前沿技术或方法 - **应用价值**：解决实际问题的能力 - **生态影响**：对相关项目或社区的影响 ### 4. 项目简述生成 为每个项目生成简明扼要的简述： #### 简述结构 ``` 📦 [项目名称] ⭐ [星标数] | 🍴 [Fork数] | 📅 [最后更新] 🏷️ [主要标签] [编程语言] 📝 [项目简介 - 50字以内] 🔥 [热度分析：为什么值得关注] 📊 [活跃度评分：1-10分] 🔗 [项目链接] ``` #### 热度分析要点 - **技术创新性**：是否采用了新的技术或方法 - **实用价值**：解决了什么实际问题 - **社区活跃度**：开发者参与程度 - **成长潜力**：未来发展趋势 - **学习价值**：对AI学习者的参考价值 ### 5. 输出格式设计 #### 整体报告格式 ``` 🚀 GitHub AI热门项目监控报告 📅 更新时间：{当前日期时间} 🔍 监控范围：{搜索条件} ## 📈 热度排行榜（Top 10） ### 🥇 第1名：[项目名称] ⭐ [星标数] | 🍴 [Fork数] | 📅 [最后更新] 🏷️ [主要标签] [编程语言] 📝 [项目简介 - 50字以内] 🔥 [热度分析：为什么值得关注] 📊 [活跃度评分：1-10分] 🔗 [项目链接] ### 🥈 第2名：[项目名称] ⭐ [星标数] | 🍴 [Fork数] | 📅 [最后更新] 🏷️ [主要标签] [编程语言] 📝 [项目简介 - 50字以内] 🔥 [热度分析：为什么值得关注] 📊 [活跃度评分：1-10分] 🔗 [项目链接] ## ⏰ 时间维度分析 ### 🔥 最近1天活跃项目 - [项目列表和简要分析] ### 📅 本周热门项目 - [项目列表和简要分析] ### 📊 最近一个月趋势 - [项目列表和简要分析] ## 🎯 重点推荐 [基于多个维度综合评估的重点推荐项目] ## 📋 数据洞察 [整体趋势分析和发现] ``` ## 技术实现方案 ### 1. GitHub API集成 - **搜索API**：使用GitHub搜索API查找相关项目 - **仓库API**：获取项目详细信息、统计数据 - **提交API**：分析提交历史和活跃度 - **Issue API**：监控社区讨论和问题反馈 ### 2. 数据处理流程 ```python # 伪代码示例 def fetch_github_ai_projects(): # 搜索AI相关项目 projects = search_github_repos( query="artificial intelligence machine learning", sort="stars", order="desc" ) # 获取项目详细信息 detailed_projects = [] for project in projects: details = get_repo_details(project['id']) metrics = calculate_activity_metrics(details) detailed_projects.append({ 'basic_info': project, 'details': details, 'metrics': metrics, 'summary': generate_summary(project, details, metrics) }) return rank_projects(detailed_projects) ``` ### 3. 活跃度计算算法 ```python def calculate_activity_score(repo_details, timeframe): weights = { 'commits': 0.4, 'issues': 0.2, 'pull_requests': 0.2, 'stars_growth': 0.1, 'forks_growth': 0.1 } # 根据时间范围计算各项指标 commits_score = normalize_commits(repo_details['commits'], timeframe) issues_score = normalize_issues(repo_details['issues'], timeframe) pr_score = normalize_prs(repo_details['pull_requests'], timeframe) stars_score = normalize_stars_growth(repo_details['stars'], timeframe) forks_score = normalize_forks_growth(repo_details['forks'], timeframe) # 加权计算总活跃度评分 total_score = ( commits_score * weights['commits'] + issues_score * weights['issues'] + pr_score * weights['pull_requests'] + stars_score * weights['stars_growth'] + forks_score * weights['forks_growth'] ) return min(10, max(1, total_score)) ``` ## 质量控制标准 ### 项目筛选标准 - **最低要求**：至少100个星标，有README文档 - **活跃度要求**：最近一个月内有代码提交 - **质量标准**：有清晰的文档和许可证 - **相关性**：确实属于AI/ML领域 ### 数据准确性 - **实时更新**：确保获取最新数据 - **多源验证**：交叉验证不同数据源 - **异常检测**：识别和处理异常数据 - **定期校准**：定期调整评估算法 ## 使用示例 ### 基本用法 ``` 用户："获取GitHub上最近的热门AI项目" AI执行： 1. 搜索AI相关项目 2. 分析最近一周活跃度 3. 生成项目排行榜 4. 输出详细报告 ``` ### 高级用法 ``` 用户："重点关注计算机视觉领域的项目，最近一个月的更新" AI执行： 1. 搜索computer vision相关项目 2. 过滤最近一个月有更新的项目 3. 分析CV领域的具体技术栈 4. 生成专业化的分析报告 ``` ## 扩展功能 ### 1. 个性化推荐 - 基于用户兴趣标签推荐项目 - 学习路径建议 - 技术栈匹配分析 ### 2. 趋势分析 - 长期趋势图表 - 技术热点变化 - 社区发展预测 ### 3. 竞品分析 - 同类项目对比 - 技术方案比较 - 社区生态分析 ## 注意事项 1. **API限制**：注意GitHub API的调用限制 2. **数据延迟**：GitHub数据可能有延迟，需要考虑时效性 3. **语言处理**：项目描述可能包含多语言，需要适当处理 4. **质量判断**：避免基于单一指标判断项目质量 5. **隐私保护**：不获取或分析用户私有仓库信息 6. **保存**：把内容以日期为分界,保存在根目录下的GitHubHot.md。 现在你可以开始为用户提供GitHub AI热门项目的监控和分析服务了！