name	github-repo-analyzer
description	自动分析 GitHub 仓库，获取并整理 README、文档、Issues、GitHub Actions、Releases 等所有重要信息，由 LLM 进行深度分析并生成智能 HTML 报告。

GitHub 仓库分析 Skill

概述

这个 Skill 帮助你快速深入了解任何 GitHub 仓库。它不是简单的数据搬运，而是通过 LLM 智能分析，将仓库的各类信息整合、归纳、总结，生成一份真正有价值的分析报告。

核心理念

让 LLM 成为分析引擎，而非数据搬运工。

与直接浏览 GitHub 页面不同，本 Skill 会：

🧠 智能归纳：从 README、Issues、Releases 中提炼关键信息
🔗 关联分析：发现信息之间的联系，识别项目的核心特征
📊 健康评估：从多个维度评价项目的状态
✨ 洞察提炼：总结项目亮点、风险和上手建议

使用方式

输入

用户提供 GitHub 仓库的完整 URL，例如：

https://github.com/facebook/react

执行步骤

重要：此 Skill 使用 uv 自动管理依赖和虚拟环境，无需用户手动安装任何依赖。

步骤 1：环境检查

首次运行时，检查 uv 是否可用：

uv --version

如果 uv 未安装，先安装它：

# Windows PowerShell
powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

# macOS/Linux
curl -LsSf https://astral.sh/uv/install.sh | sh

步骤 2：获取仓库数据

进入 Skill 目录并运行数据获取脚本：

cd .claude/skills/github-repo-analyzer
uv run scripts/fetch_repo_info.py <仓库URL>

脚本会自动将数据保存到 output/{owner}_{repo}/raw_data.json。

步骤 3：生成 Markdown 格式数据

重要：由于 Read 工具有单行 2000 字符的限制，必须先将 JSON 转换为 Markdown 格式：

uv run scripts/prepare_for_analysis.py output/{owner}_{repo}/raw_data.json
uv run scripts/generate_analysis_md.py output/{owner}_{repo}/analysis_ready.json

输出：output/{owner}_{repo}/analysis_ready_for_llm.md（可以被完整读取）

步骤 4：LLM 智能分析（核心）

Claude 必须执行以下深度分析任务：

使用 Read 工具读取 analysis_ready_for_llm.md 文件（完整保留所有内容），从以下维度进行分析：

分析维度	分析要点
🎯 项目定位	这是什么类型的项目（库/框架/工具/应用）？解决什么问题？目标用户是谁？
🔧 技术栈解析	使用了哪些核心技术？整体架构是怎样的？
📖 快速上手指南	从 README 提炼：如何安装？前置条件？最简使用示例？
🌡️ 健康度评估	活跃度（最近更新时间）、社区参与度（Issue 数量和活跃度）、维护状态
🔥 热点问题分析	从 Issues 中提炼：社区最关注的问题是什么？有哪些常见困惑？
📈 版本演进	从 Releases 分析：最近版本的主要更新内容？项目发展趋势？
🚀 核心亮点	这个项目最值得关注的特性是什么？与同类项目相比的优势？
⚠️ 潜在风险	是否有已知的安全问题？重大 Bug？维护问题？
📝 贡献指南	如何为这个项目做贡献？有哪些规范要求？
💡 使用建议	适合什么场景使用？有什么需要注意的地方？

步骤 5：生成 HTML 报告

根据分析结果，生成一份美观的 HTML 报告，保存到 output/{owner}_{repo}/report.html。

报告结构要求：

仓库概览卡片 - Stars/Forks/License/语言/更新时间
一句话总结 - 用最简洁的语言概括项目
项目定位与技术栈 - 类型识别、技术架构
快速上手 - 安装步骤、使用示例
健康度仪表盘 - 可视化展示项目状态
社区热点 - Issues 分析结论
版本演进 - Releases 时间线
亮点与风险 - 优势和需注意的地方
贡献指南摘要 - 如何参与项目

设计要求：

深色模式主题
响应式布局
代码语法高亮
可折叠的详细内容
现代化 UI（渐变色、圆角、阴影）

GitHub Token 配置（可选但推荐）

为提高 API 速率限制（从 60 次/小时提升到 5000 次/小时），可以配置 Token：

复制 .env.example 为 .env
填入你的 GitHub Personal Access Token

或者通过命令行参数传递：

uv run scripts/fetch_repo_info.py <仓库URL> --token ghp_xxx

输出文件

所有输出文件集中在 output/ 目录，按仓库分目录：

output/
└── {owner}_{repo}/
    ├── raw_data.json                # 原始 API 数据（462KB）
    ├── analysis_ready.json          # 预处理后 JSON 数据（122KB）
    ├── analysis_ready_for_llm.md    # Markdown 格式数据（供 LLM 分析）
    └── report.html                  # 最终分析报告

重要说明：

analysis_ready.json 中的长文本（README、Issue body 等）都在单行中，会被 Read 工具截断
analysis_ready_for_llm.md 解决了这个问题，所有内容都可以被完整读取

注意事项

如果未设置 GITHUB_TOKEN 环境变量，API 速率限制为 60 次/小时
使用 Token 后速率限制提升至 5,000 次/小时
私有仓库需要对应的访问权限
此 Skill 使用 uv 自动管理虚拟环境，不会污染全局 Python 环境
输出文件统一保存在 output/ 目录，便于管理

github-repo-analyzer

Install Skill

SKILL.md