Repo Scout — 仓库发现与排序

概述

系统性地在指定技术生态中发现并排序 GitHub 仓库，生成结构清晰、可直接操作的排序文档。

典型使用场景：开源贡献目标定位、技术格局调研、竞品分析、生态探索。

前提条件

开始前，用户必须已完成 GitHub CLI 的身份认证：

gh auth status   # 必须显示 “Logged in”

若尚未配置，请提示用户提供以下信息：

1. GitHub 用户名 — 用于搜索及归属标注
2. GitHub token — 运行 gh auth login，或手动设置 export GH_TOKEN=

未完成认证时，gh 的 API 调用将迅速触达速率限制，且无法访问私有仓库数据。

工作流

步骤 1：定义范围

向用户询问以下参数（均提供合理默认值）：

步骤 2：搜索与采集

采用多种策略搜索候选仓库：

搜索策略：
1. GitHub 搜索：按 star 数排序的 "{keyword}"
2. “awesome-{keyword}” 类精选列表
3. GitHub 该领域的 Trending 项目
4. Web 搜索："{keyword} top open-source projects {year}"

对每个候选仓库，采集以下信息：

步骤 3：打分与排序

基于贡献友好度对每个仓库进行综合评分：

步骤 4：过滤排除

符合以下任一条件的仓库应标记为 跳过：

• 非代码类仓库（如 awesome-list、纯文档、资源集合）
• 涉及桌面端/移动端 UI 的 bug，需硬件环境支持
• 无任何可操作的 bug issue（仅有 feature request 或长期无人处理的 stale issue）
• 已归档（archived）或长期无人维护（6 个月以上无提交）
• 贡献环境不友好（PR 长期被忽略）

步骤 5：生成排序文档

输出文件：{workspace}/ecosystem-top{N}.md

# {Ecosystem} — Top {N} Repositories

> Generated: {date}
> Keywords: {keywords}
> Minimum stars: {min_stars}

## Rankings

| Rank | Repository | Stars | Language | Open Bugs | Score | Notes |
|------|-----------|-------|----------|-----------|-------|-------|
| 1 | owner/repo | 45.2K | Python | 12 | 8.5/10 | Active, good docs |
| 2 | ... | ... | ... | ... | ... | ... |

## Skipped Repositories

| Repository | Reason |
|-----------|--------|
| owner/repo | Non-code (awesome-list) |

## Detailed Profiles

### 1. owner/repo (45.2K ⭐)
- **Language**: Python
- **Last commit**: 2 days ago
- **Open issues**: 234 (12 labeled `bug`)
- **CONTRIBUTING.md**: ✅
- **CI**: ✅ GitHub Actions
- **Score breakdown**: Activity 3/3, Bugs 3/3, Docs 2/3, CI 3/3, Community 2/3, Response 2/3
- **Notes**: Very active, welcoming community

输出

• {workspace}/ecosystem-top{N}.md — 结构化排序文档，可直接供下游流程使用

提示

• 若作为贡献活动（contribution campaign）的一部分，该输出可直接输入 issue-hunter 技能，用于 issue 深度分析。
• 若用于技术评估，本排序结果及详细档案即为最终交付物。
• 建议定期重新运行，以捕捉生态动态变化。