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

# 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

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

API限制：注意GitHub API的调用限制
数据延迟：GitHub数据可能有延迟，需要考虑时效性
语言处理：项目描述可能包含多语言，需要适当处理
质量判断：避免基于单一指标判断项目质量
隐私保护：不获取或分析用户私有仓库信息
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！

github-ai-projects

Install Skill

SKILL.md

使用时机

执行流程

1. 项目搜索策略

2. 时间范围分析

最近1天（24小时）

本周（7天）

最近一个月（30天）

3. 项目评估维度

技术指标

社区指标

创新指标

4. 项目简述生成

简述结构

热度分析要点

5. 输出格式设计

整体报告格式

技术实现方案

1. GitHub API集成

2. 数据处理流程

3. 活跃度计算算法

质量控制标准

项目筛选标准

数据准确性

使用示例

基本用法

高级用法

扩展功能

1. 个性化推荐

2. 趋势分析

3. 竞品分析

注意事项