trending-analyzer

name	trending-analyzer
description	Analyzes GitHub trending repositories by day/week/month by running the repo-research deep-research skill on each listed repo, then producing a structured Chinese summary report. Invoke when user asks to analyze GitHub trending projects or generate trending reports.

事B · GitHub Trending 汇总分析

对 GitHub Trending 热点项目进行深度分析，生成结构化趋势汇总报告（日/周/月）。 建立在事A 之上：抓榜单 → 对榜上每个 repo 调用 repo-research 技能做一次深度研究 → 汇总。

触发条件

• 分析 GitHub 热点项目 / 生成 trending 报告 / 查询当前热门项目趋势

完整执行规范见 ../../AGENTS.md 事B trending 汇总 章节，本文件提供技能摘要和脚本速查。

环境配置

GitHub API 调用统一通过 gh CLI（gh api），认证由 gh auth login 处理，无需配置 token。 执行前确保 gh auth status 显示已登录。

变量	说明	默认值
TRENDING_REPORTS_DIR	报告输出目录	./reports

注：github.com/trending 榜单页为 HTML 抓取（非 API），不经 gh；其余所有 GitHub API 调用均走 gh api。

辅助工具

scripts/trending_fetcher.py

python3 scripts/trending_fetcher.py fetch daily      # 获取日榜（daily/weekly/monthly）
python3 scripts/trending_fetcher.py fetch daily python  # 按语言过滤
python3 scripts/trending_fetcher.py check owner/repo  # 检查报告是否已存在/需更新
python3 scripts/trending_fetcher.py info             # 查看脚本路径

check 命令输出：{"exists": bool, "age_days": float, "needs_update": bool}

scripts/report_generator.py

python3 scripts/report_generator.py project '<repo_json>' '<research_json>' output.md
python3 scripts/report_generator.py summary daily '<repos_json>' output.md

生成基础模板；深度内容需 Agent 补充。

---

目录结构（严格遵守）

scripts/            ← 只读，Agent 不可修改（含 github_api.py 取数脚本）
skills/repo-research/ ← 事A：单 repo 深度研究方法论（4 轮），逐 repo 研究时遵循
reports/            ← 【唯一输出目录】
├── all-{period}-summary-YYYY-MM-DD.md   ← 汇总报告
└── research_{owner}_{repo}.md           ← 单项目报告（仅允许这两种格式）
knowledge/          ← reports_index.md 人类导航索引（可选追加）

写入限制：Agent 只写 reports/；knowledge/reports_index.md 可选追加。禁止修改 SKILL.md / 脚本 / README。

文件命名：{owner} 和 {repo} 必须与 GitHub 原始名称大小写完全一致。

• ✅ research_hsliuping_TradingAgents-CN.md
• ❌ research_hsliuping_tradingagents_cn.md

临时文件（Tmp）

使用 /tmp/github-trending-{YYYY-MM-DD}/ 存放中间文件。任务完成后必须清理，禁止将路径写入报告，禁止提交到 Git。

import shutil; shutil.rmtree(f"/tmp/github-trending-{today}", ignore_errors=True)

---

执行流程

1. 获取 Trending 列表

python3 scripts/trending_fetcher.py fetch daily

2. 逐项目深度分析（调用事A）

对榜上每个项目：

1. 运行 check 命令 → 7 天内已有报告则记入"缓存复用"跳过
2. 调用 repo-research 技能（事A，4 轮方法论）完成深度研究
3. 将研究结果转换为 7 章中文格式写入 research_{owner}_{repo}.md

3. 生成汇总报告

❌ 禁止跳过步骤 2 直接生成汇总。必须确认榜单内每个 repo 的深度报告均已生成（或缓存有效）后，才能汇总。

见下方模板。报告状态说明必须如实区分新生成和缓存复用（见常见失误 #1）。

---

报告格式

单项目报告

7 章中文结构（详见 skills/repo-research/SKILL.md）：

# {owner}/{repo}

> {描述}

## 项目概述
{2-3 句定位与核心价值}

## 基本信息
| 指标 | 数值 |
|------|------|
| Stars | {stars} |
| Forks | {forks} |
| 语言 | {language} |
| 开源协议 | {license} |
| 创建时间 | {created_at} |
| 最近更新 | {updated_at} |
| GitHub | [{url}]({url}) |

## 技术分析
### 技术栈
### 架构设计
### 核心功能

## 社区活跃度
### 贡献者分析
### Issue/PR 活跃度
### 最近动态

## 发展趋势
### 版本演进
### Roadmap
### 社区反馈

## 竞品对比
| 项目 | Stars | 语言 | 特点 |

## 总结评价
### 优势
### 劣势
### 适用场景

---
*报告生成时间: {datetime}*
*研究方法: github-deep-research 多轮深度研究*

汇总报告

# GitHub Trending {周期}报告

> 生成时间: {datetime}

## 概览
| 统计项 | 数值 |
| 分析项目数 / 总Stars / 今日新增 |

### 语言分布
### 热门领域

## 项目列表
| 排名 | 项目（链接） | 语言 | Stars | 今日增长 | 描述 |

## 趋势分析
### 🔥 热门趋势
### 🏢 大厂动态
### 🔬 技术创新
### 📊 语言趋势

## 详细报告链接
- [owner/repo](./research_xxx.md) - 简短描述

## 报告状态说明
✅ 今日新生成（N 份）：...
📦 缓存复用（N 份，7天内已生成）：...

---
*本报告由 GitHub Trending Analyzer 自动生成*

---

注意事项

1. 深度研究：单项目研究必须调用 repo-research 技能（事A）；研究结果转换为 7 章中文格式后存档
2. 数据精度：Stars/Forks 等必须使用 API 精确返回值，禁止使用"17,000+"等模糊表达
3. 缓存机制：7 天内已生成的报告跳过重新分析；汇总状态必须如实区分新生成和缓存
4. Mermaid 限制：仅用 flowchart / sequenceDiagram / gantt / pie；禁用 mindmap、timeline 等不兼容类型
5. 路径安全：报告内容禁止出现宿主机路径（/sessions/、/mnt/、/tmp/ 等）
6. API 控速：批量分析时控制并发，避免触发 GitHub API 限制

---

❌ 常见失误

#	错误行为	正确做法
1	汇总报告写"✅ 所有 N 份完整生成"，实际有缓存复用	如实列出新生成和缓存复用两部分
2	将研究的英文模板直接存档（Executive Summary / Confidence Assessment 等章节）	研究结果必须转换为 7 章中文结构后存档
3	报告页脚出现"Github Deep Research by DeerFlow"等其他品牌	统一用 *报告生成时间: ... / *研究方法: ...
4	Stars 写"17,000+"等模糊值	使用 API 精确返回的整数
5	趋势分析只写 2-3 行	必须包含 🔥/🏢/🔬/📊 四个子章节