github-repo-search

GitHub 开源项目搜索助手

用途

从用户自然语言需求出发，经过需求挖掘、检索词拆解、GitHub 检索、过滤分类、深度解读，最终产出结构化推荐结果。

目标不是"给很多链接"，而是"给用户可理解、可比较、可决策、可直接行动的候选仓库列表"。

适用范围（V1.1）

• 数据源：GitHub 公开仓库。
• 默认不授权（不使用用户 Token）。
• 默认硬过滤：stars >= 100、archived=false、is:public。
• 默认输出：单榜单（Top N），榜单内按"仓库归属类型"标注。
• 本流程默认不包含安装与落地实施（除非用户单独提出）。

配额说明（必须知晓）

• 未授权 Core API：60 次/小时。
• Search API：10 次/分钟（独立于 Core 额度）。
• 需要在报告中注明检索时间与配额状态，避免结果不可复现。

工作流程

环节一：需求收敛（必须完成，不可跳过）

硬性门控：环节一是整个流程的前置条件。无论用户的需求描述多么清晰，都必须走完本环节并获得用户明确确认后，才能进入环节二。禁止根据用户的初始描述直接推断需求并开始检索。即使用户说"直接搜就行"，也要先输出需求摘要让用户确认。

第一步：需求挖掘与对齐

目标：把"我想看看 XX"转成可执行、可排序、可解释的检索目标。

需确认信息（最少）：

1. 主题（如：agent 记忆、RAG、浏览器自动化）
2. 数量（Top 10 / Top 20）
3. 最低 stars（默认 100）
4. 排序模式（必须二选一）：相关性优先 / 星标优先（默认：相关性优先）
5. 目标形态（必须二选一或多选）： 可直接使用的产品 / 可二次开发的框架 / 资料清单/方法论

建议补充信息（可选）：

1. 偏好技术栈（Python/TS/Go 等）
2. 使用场景（学习、生产、对标）
3. 排除项（教程仓库、归档仓库、纯论文复现等）
4. 部署偏好（本地优先/云端优先/混合）

阶段输出（固定格式）：

核心诉求：
- 主题：xxx
- 数量：Top N
- 最低 stars：>= 100
- 排序模式：相关性优先 / 星标优先（默认：相关性优先）
- 目标形态：xxx
- 偏好：xxx（可空）
- 排除：xxx（可空）

向用户确认以上信息。用户明确确认后才能进入环节二，否则停在这里继续对齐。

---

环节二：检索执行（以下环节由模型自主执行，无需用户介入，直到环节四交付报告）

第二步：检索词拆解（5-10 组）

目标：平衡"召回率"和"相关性"，避免只靠单词硬搜导致偏题。

拆词规则：

每组 query 由以下维度组合：

1. 核心词：用户目标词
2. 同义词：替代表达（如 long-term memory / stateful memory）
3. 场景词：coding、mcp、tool、platform、awesome、curated
4. 技术词：agent、sdk、framework、database、os
5. 排除思路：不在 query 里硬写过多负例，放到后续过滤阶段

产出格式：

Query-1: "xxx"
目的：高召回核心主题

Query-2: "xxx"
目的：补同义词盲区

第三步：执行检索与候选召回

执行原则：

1. 每组 query 都执行检索（建议每组 30-50 条）。
2. 合并结果形成候选池。
3. 按 owner/repo 去重。
4. 记录检索时间与 API 额度信息。

候选池字段（最少）：

1. owner/repo
2. stars
3. description
4. repo_url
5. archived
6. language
7. updated_at
8. topics
9. license

第四步：去重与硬过滤

硬过滤（默认）：

1. stars >= 100
2. archived = false
3. is:public

可选硬过滤（按需）：

1. fork = false
2. 指定语言：language:xxx
3. 更新时效：最近 6-12 个月

---

环节三：质量精炼

第五步：噪音剔除与相关性重排

目标：解决"命中 memory 但其实不是 agent memory"的噪音问题。