Agent Skills
返回列表
技术趋势追踪

技术趋势追踪

数据分析 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @user_24c316b5/tech-explorer。

技能介绍

要解决的问题

技术选型时，信息分散在 GitHub Trending、OSS Insight、Awesome 列表和论文站点里，人工整理耗时且口径不一。tech-explorer 把这些来源聚合成可审阅的报告，减少重复抓取、字段对齐和格式整理成本。

工作方式

  • Trending：fetch_real_trending.py 抓取 github.com/trending 页面，输出真实 Top 10，并保留 stars、forks 与新增 stars 等字段。
  • OSS Insight：fetch_github_trending.py 使用 TiDB API 按 stars、forks、PRs、pushes 综合评分排序，接口不可用时回退 GitHub Search。
  • AI Top：fetch_top_starred.py 按 topic 搜索高星活跃项目，可过滤 ai、llm、machine-learning 等方向。
  • Awesome：fetch_awesome_list.py 搜索 awesome-主题 仓库并解析 README 中的项目名称、链接与简介。
  • HF Papers：fetch_hf_papers.py 获取 Hugging Face 热门论文，包含点赞数、arXiv ID 与仓库链接。
  • DeepWiki：对指定仓库生成深度研究报告，必要时用百度搜索补充中文语境信息。

流程还会用 openpyxl 生成带样式的 Excel，将英文说明翻译为中文，保存到草稿目录并更新文档索引文件。

适用边界

适合快速形成月度技术雷达、筛选 AI 开源项目和论文候选。它依赖外部页面、API 与网络环境，可能受限流、代理或站点结构变化影响；最终项目价值仍需人工判断成熟度、维护状态和业务适配性。

使用场景

  • 每月复盘 AI 开源项目时，抓取 GitHub Trending、OSS Insight 与高星 AI 仓库，生成同口径 Excel。
  • 做技术选型前，按主题搜索 Awesome 列表，解析候选项目链接和简介，快速形成备选清单。
  • 追踪大模型论文时，获取 HF 热门论文 Top N、arXiv ID 与代码仓库，筛出可复现方向。
  • 选定某个仓库后，用 DeepWiki 生成深度报告，并用中文语境信息补充架构与用法摘要。

适合人员

  • 跟踪 AI 开源动态的技术负责人，需要把 Trending、OSS Insight 与高星项目汇总成月度报告。
  • 做技术选型的工程师，想从 Awesome 列表和 GitHub 搜索里筛出候选仓库并比较说明。
  • 跟进大模型论文的研究员，需要按点赞抓取 HF 热门论文、arXiv ID 与仓库链接。
  • 整理技术资料的分析师，想把英文项目描述翻译成中文并归档成可审阅的 Excel。