feat(skills): 新增 科研热点追踪与知识图谱构建 的skill : gitlink-research-hotspot #148
|
|
@ -0,0 +1,427 @@
|
|||
---
|
||||
name: gitlink-research-hotspot
|
||||
version: 1.0.0
|
||||
description: "科研热点追踪：按关键词/学科领域抓取 GitLink 平台科研类仓库数据，分析研究方向热度、技术演进趋势、核心团队与学者分布，构建领域科研知识图谱，输出科研趋势分析报告，辅助科研选题与前沿跟踪。当用户需要追踪科研热点、分析研究趋势、辅助选题时触发。"
|
||||
metadata:
|
||||
requires:
|
||||
bins: ["gitlink-cli"]
|
||||
cliHelp: "gitlink-cli search --help"
|
||||
---
|
||||
|
||||
# gitlink-research-hotspot（科研热点追踪）
|
||||
|
||||
**CRITICAL — 开始前必须先阅读 [`../gitlink-shared/SKILL.md`](../gitlink-shared/SKILL.md)。**
|
||||
**CRITICAL — GitLink 操作只能用 `gitlink-cli`。**
|
||||
|
||||
> **前置条件：** 先阅读 [`../gitlink-shared/SKILL.md`](../gitlink-shared/SKILL.md) 了解认证和全局参数。
|
||||
|
||||
## 功能概述
|
||||
|
||||
本技能面向科研选题、前沿追踪与学术竞争分析场景，基于 GitLink 平台数据提供：
|
||||
|
||||
1. **关键词检索** — 按研究方向搜索 GitLink 上的科研类仓库
|
||||
2. **热度分析** — 从 Star、Fork、更新频率等多维度评估研究热度
|
||||
3. **趋势分析** — 识别上升期、成熟期和衰退期研究方向
|
||||
4. **知识图谱构建** — 构建"关键词—仓库—团队—学者"知识图谱
|
||||
5. **报告生成** — 输出领域科研趋势分析报告，辅助选题决策
|
||||
|
||||
---
|
||||
|
||||
## 一、关键词检索与仓库采集
|
||||
|
||||
### 1.1 单个关键词搜索
|
||||
|
||||
```bash
|
||||
# 按关键词搜索仓库
|
||||
gitlink-cli search +repos -k "目标检测" --format json
|
||||
gitlink-cli search +repos -k "深度学习" --format json
|
||||
gitlink-cli search +repos -k "large language model" --format json
|
||||
gitlink-cli search +repos -k "强化学习" --format json
|
||||
```
|
||||
|
||||
### 1.2 多关键词组合搜索（分别执行，结果合并）
|
||||
|
||||
```bash
|
||||
# 主关键词
|
||||
gitlink-cli search +repos -k "<核心研究方向>" --format json
|
||||
|
||||
# 相关关键词（英文别名）
|
||||
gitlink-cli search +repos -k "<英文关键词>" --format json
|
||||
|
||||
# 相关技术词
|
||||
gitlink-cli search +repos -k "<相关技术关键词>" --format json
|
||||
```
|
||||
|
||||
**关键词扩展，可以使用AI获取与关键词相关的领域名称，然后进行搜索，相关关键词不超过8个**
|
||||
|
||||
|
||||
### 1.3 搜索结果筛选规则
|
||||
|
||||
AI对搜索结果进行以下筛选，聚焦科研类仓库：
|
||||
|
||||
```
|
||||
✅ 保留（以下特征之一）：
|
||||
□ 仓库描述包含：论文、arxiv、实验、research、paper、code for
|
||||
□ 主要语言为 Python/MATLAB/Julia/R（科研常用语言）
|
||||
□ README 中包含论文链接（arxiv.org, dl.acm.org, openreview.net 等）
|
||||
□ 仓库名称包含年份（如 CVPR2024, NeurIPS2023）
|
||||
□ 有 Star 数（>5）说明有一定学术关注度
|
||||
|
||||
⚠ 可疑（需人工确认）：
|
||||
□ 描述为空或过短（可能是课程作业，也可能是严肃科研项目）
|
||||
□ 无 README 的新仓库
|
||||
|
||||
❌ 排除：
|
||||
□ 明显的课程作业仓库（名称包含 homework/assignment/课程）
|
||||
□ 教程/示例项目（名称包含 tutorial/demo/example）
|
||||
□ 主语言为 HTML/CSS/Java（通常非科研代码）
|
||||
```
|
||||
|
||||
### 1.4 获取候选仓库详情
|
||||
|
||||
```bash
|
||||
# 对每个候选仓库，获取详细信息
|
||||
gitlink-cli repo +info --owner <owner> --repo <repo> --format json
|
||||
|
||||
# 获取 commit 活跃度（最近10条提交，如果可以，尽量不要克隆到本地）
|
||||
可选： git clone https://www.gitlink.org.cn/<owner>/<repo>.git
|
||||
cd <repo>
|
||||
git log --oneline -10 --format='{"sha":"%H","author":"%an","date":"%ci","message":"%s"}' --no-merges
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 二、热度多维分析
|
||||
|
||||
### 2.1 热度指标定义
|
||||
|
||||
对每个科研仓库，AI计算以下热度指标：
|
||||
|
||||
```
|
||||
基础热度指标：
|
||||
S = Star 数（直接反映学术关注度）
|
||||
F = Fork 数（反映代码复用/跟进研究意愿）
|
||||
U = 最近更新距今天数（越小越活跃）
|
||||
|
||||
活跃度指标：
|
||||
C_30 = 最近 30 天提交数
|
||||
C_90 = 最近 90 天提交数
|
||||
P_open = 开放 PR 数（持续贡献信号）
|
||||
I_open = 开放 Issue 数（社区关注度）
|
||||
|
||||
综合热度评分（参考）：
|
||||
Score = S × 0.4 + F × 0.3 + (365/max(U,1)) × 0.2 + C_90 × 0.1
|
||||
```
|
||||
|
||||
### 2.2 热度分级标准
|
||||
|
||||
```
|
||||
🔥 顶级热点（Score ≥ 100 或 Star ≥ 500）：
|
||||
领域旗帜性项目，高度关注
|
||||
|
||||
🌟 活跃热点（Score 30-100 或 Star 100-500）：
|
||||
有影响力的科研项目，值得跟踪
|
||||
|
||||
⭐ 新兴关注（Score 10-30 或 Star 20-100）：
|
||||
上升中的研究方向，适合早期跟进
|
||||
|
||||
🌱 萌芽项目（Score < 10 或 Star < 20）：
|
||||
新发布或小众研究，谨慎判断
|
||||
```
|
||||
|
||||
### 2.3 趋势判断模型
|
||||
|
||||
根据仓库更新时间和 commit 频率，AI判断研究趋势状态：
|
||||
|
||||
```
|
||||
📈 上升期：
|
||||
- 最近 3 个月内有持续提交
|
||||
- 近期 Star 增长明显（从 commit 时间推断）
|
||||
- 有活跃的 Issue 和 PR 讨论
|
||||
|
||||
📊 成熟期：
|
||||
- 仓库稳定，定期小幅更新
|
||||
- Issue 多为使用咨询，PR 多为 Bug 修复
|
||||
- Star 增长平稳
|
||||
|
||||
📉 衰退/完成期：
|
||||
- 超过 6 个月无 commit
|
||||
- README 中声明"维护暂停"或"论文代码已冻结"
|
||||
|
||||
🏆 里程碑完成型：
|
||||
- 论文发表后开源，短期内高热度
|
||||
- 之后进入低维护状态（正常现象）
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 三、知识图谱构建
|
||||
|
||||
### 3.1 知识图谱节点定义
|
||||
|
||||
```
|
||||
节点类型：
|
||||
[关键词] — 研究方向关键词（搜索词）
|
||||
[仓库] — GitLink 仓库（owner/repo）
|
||||
[团队] — 科研组织（org 账号）或课题组
|
||||
[学者] — 核心贡献者（user 账号）
|
||||
[技术] — 仓库使用的核心技术栈（从 README/代码推断）
|
||||
```
|
||||
|
||||
### 3.2 知识图谱关系定义
|
||||
|
||||
```
|
||||
关系类型：
|
||||
[关键词] --包含--> [仓库] 仓库描述中包含该关键词
|
||||
[仓库] --属于--> [团队] 仓库所有者是组织账号
|
||||
[学者] --贡献--> [仓库] 学者向仓库提交了代码
|
||||
[仓库] --引用--> [技术] 仓库使用了该技术框架
|
||||
[仓库] --关联--> [仓库] Fork 关系或相关仓库
|
||||
```
|
||||
|
||||
### 3.3 知识图谱 Mermaid 文本输出
|
||||
|
||||
AI将知识图谱以Mermaid格式输出（可直接在 Markdown 中渲染）：
|
||||
|
||||
```mermaid
|
||||
graph LR
|
||||
%% 关键词节点
|
||||
K1[目标检测]
|
||||
K2[Transformer]
|
||||
|
||||
%% 仓库节点
|
||||
R1[team-a/DetectionX]
|
||||
R2[researcher-b/TransDet]
|
||||
R3[lab-c/FastDet]
|
||||
|
||||
%% 学者节点
|
||||
A1[researcher_zhang]
|
||||
A2[prof_li]
|
||||
A3[student_wang]
|
||||
|
||||
%% 团队节点
|
||||
T1[CVLab]
|
||||
|
||||
%% 关系
|
||||
K1 --> R1
|
||||
K1 --> R2
|
||||
K1 --> R3
|
||||
K2 --> R2
|
||||
A1 --> R1
|
||||
A2 --> R1
|
||||
A1 --> R2
|
||||
A3 --> R3
|
||||
T1 --> R1
|
||||
R2 -.引用.-> R1
|
||||
```
|
||||
|
||||
### 3.4 获取学者和团队信息
|
||||
|
||||
```bash
|
||||
# 获取仓库所有者信息
|
||||
gitlink-cli user +info --login <contributor_login> --format json
|
||||
|
||||
# 如果所有者是组织，获取组织信息
|
||||
gitlink-cli org +info --id <org_name> --format json
|
||||
gitlink-cli org +members --id <org_name> --format json
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 四、科研趋势分析报告模板
|
||||
|
||||
```markdown
|
||||
# 科研热点追踪报告
|
||||
|
||||
**领域关键词：** 目标检测 / Object Detection
|
||||
**检索平台：** GitLink
|
||||
**报告生成时间：** 2026-05-07
|
||||
**数据范围：** GitLink 全平台（检索结果 Top 20 仓库）
|
||||
|
||||
---
|
||||
|
||||
## 一、检索概览
|
||||
|
||||
| 项目 | 数量 |
|
||||
|------|------|
|
||||
| 检索关键词 | 目标检测、object detection、YOLO、DETR |
|
||||
| 发现仓库总数 | 47 |
|
||||
| 科研类仓库（过滤后）| 23 |
|
||||
| 纳入分析仓库 | 20（Top 20 by 热度）|
|
||||
| 活跃仓库（6 个月内更新）| 14 |
|
||||
|
||||
---
|
||||
|
||||
## 二、热度排行榜 Top 10
|
||||
|
||||
| 排名 | 仓库 | Star | Fork | 最近更新 | 趋势 | 描述 |
|
||||
|------|------|------|------|---------|------|------|
|
||||
| 1 | lab-a/YOLOv10-Exp | 842 | 156 | 3 天前 | 📈 上升 | CVPR 2025 目标检测新方法 |
|
||||
| 2 | team-b/DETR-Plus | 534 | 89 | 2 周前 | 📊 成熟 | 改进 DETR 架构的开源实现 |
|
||||
| 3 | researcher-c/NanoDet-RT | 312 | 47 | 1 个月前 | 📊 成熟 | 实时轻量级目标检测 |
|
||||
| 4 | cvlab/SparseDet | 198 | 31 | 5 天前 | 📈 上升 | 基于稀疏注意力的检测器 |
|
||||
| 5 | ... | ... | ... | ... | ... | ... |
|
||||
|
||||
---
|
||||
|
||||
## 三、研究趋势分析
|
||||
|
||||
### 3.1 热度分布
|
||||
|
||||
🔥 顶级热点（Star ≥ 500）：2 个仓库
|
||||
🌟 活跃热点（Star 100-500）：7 个仓库
|
||||
⭐ 新兴关注（Star 20-100）：8 个仓库
|
||||
🌱 萌芽项目（Star < 20）：3 个仓库
|
||||
|
||||
### 3.2 技术趋势
|
||||
|
||||
**当前主流技术方向（基于仓库描述和代码关键词）：**
|
||||
|
||||
| 技术方向 | 相关仓库数 | 热度 | 趋势 |
|
||||
|---------|---------|------|------|
|
||||
| Transformer-based 检测器 | 8 | 高 | 📈 上升 |
|
||||
| 实时/轻量级检测 | 6 | 中 | 📊 成熟 |
|
||||
| 开放词汇检测（OVD）| 4 | 高 | 📈 快速上升 |
|
||||
| 3D 目标检测 | 3 | 中 | 📈 上升 |
|
||||
| 小目标检测 | 2 | 中 | 📊 稳定 |
|
||||
|
||||
### 3.3 近 12 个月活跃度走势
|
||||
|
||||
```
|
||||
提交数/月：
|
||||
2025-05 ████████████████ 86
|
||||
2025-06 ███████████████ 78
|
||||
2025-07 ████████████ 62
|
||||
2025-08 ████████████████ 84
|
||||
2025-09 ████████████████████ 103
|
||||
2025-10 ███████████████████ 97
|
||||
2025-11 ████████████████████ 105
|
||||
2025-12 ██████████████ 72（寒假）
|
||||
2026-01 █████████████████ 89
|
||||
2026-02 ████████████████████ 108
|
||||
2026-03 █████████████████████ 115
|
||||
2026-04 ████████████████████ 102
|
||||
```
|
||||
（数据来源：Top 20 仓库 commit 总和统计）
|
||||
|
||||
---
|
||||
|
||||
## 四、核心团队与学者分布
|
||||
|
||||
### 4.1 高频贡献者（跨仓库出现 ≥2 次）
|
||||
|
||||
| 学者账号 | 贡献仓库数 | 主要贡献领域 | 机构推断 |
|
||||
|---------|---------|-----------|---------|
|
||||
| researcher_zhang | 3 | Transformer 检测器 | 清华大学（基于仓库信息推断）|
|
||||
| prof_li | 2 | 轻量级模型 | 中科院 |
|
||||
| student_wang | 2 | 开放词汇检测 | 未知 |
|
||||
|
||||
### 4.2 活跃科研机构
|
||||
|
||||
| 机构/团队 | 仓库数 | 代表性工作 |
|
||||
|---------|-------|----------|
|
||||
| CVLab (组织) | 4 | SparseDet, RobustDet |
|
||||
| 某高校AI实验室 | 2 | NanoDet-RT |
|
||||
|
||||
---
|
||||
|
||||
## 五、知识图谱
|
||||
|
||||
```mermaid
|
||||
graph LR
|
||||
K1[目标检测] --> R1[lab-a/YOLOv10]
|
||||
K1 --> R2[team-b/DETR-Plus]
|
||||
K2[Transformer] --> R2
|
||||
K3[轻量级] --> R3[researcher-c/NanoDet]
|
||||
A1[researcher_zhang] --> R1
|
||||
A1 --> R2
|
||||
T1[CVLab] --> R4[cvlab/SparseDet]
|
||||
R2 -.派生自.-> R5[原始DETR]
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 六、选题建议
|
||||
|
||||
### 6.1 推荐跟进方向（热度高 + 上升期）
|
||||
|
||||
1. **开放词汇目标检测（OVD）**
|
||||
- 理由：近半年新增仓库 4 个，且 Star 增长快
|
||||
- 入门仓库：[仓库链接]
|
||||
- 研究切入点：提升 OVD 在小样本场景下的性能
|
||||
|
||||
2. **基于 Transformer 的实时检测**
|
||||
- 理由：Transformer 方向热度高，但实时化仍是难题
|
||||
- 入门仓库：[仓库链接]
|
||||
- 研究切入点：模型压缩与量化
|
||||
|
||||
### 6.2 谨慎选择的方向（成熟期，竞争激烈）
|
||||
|
||||
- 传统 Anchor-based 检测：方向成熟，创新空间有限
|
||||
- 普通 YOLO 改进：竞争激烈，难以突出
|
||||
|
||||
### 6.3 关注但观望的新方向（萌芽期，不确定性高）
|
||||
|
||||
- 神经符号融合检测：仓库少，理论尚未成熟
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 五、执行步骤总览
|
||||
|
||||
```bash
|
||||
# Step 1：多关键词分批搜索
|
||||
gitlink-cli search +repos -k "<主关键词>" --format json
|
||||
gitlink-cli search +repos -k "<英文关键词>" --format json
|
||||
gitlink-cli search +repos -k "<细分技术词>" --format json
|
||||
|
||||
# Step 2：对候选仓库（Top 20）获取详细信息
|
||||
gitlink-cli repo +info --owner <owner> --repo <repo> --format json
|
||||
|
||||
# Step 3：获取各仓库近期 commit 活跃度（克隆后使用 git log）
|
||||
git clone https://www.gitlink.org.cn/<owner>/<repo>.git && cd <repo>
|
||||
git log --oneline -20 --format='{"sha":"%H","author":"%an","date":"%ci","message":"%s"}' --no-merges
|
||||
|
||||
# Step 4：获取核心贡献者信息
|
||||
gitlink-cli user +info --login <login> --format json
|
||||
|
||||
# Step 5：获取活跃组织信息
|
||||
gitlink-cli org +info --id <org_name> --format json
|
||||
|
||||
# Step 6：AI 综合分析，生成热度排行、趋势分析、知识图谱和选题建议
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 六、知识图谱详细输出规范
|
||||
|
||||
AI 输出知识图谱时，按以下规范生成Mermaid文本：
|
||||
|
||||
```
|
||||
节点命名规范：
|
||||
关键词节点：K1、K2...（方括号，如 K1[深度学习]）
|
||||
仓库节点： R1、R2...（方括号，如 R1[owner/repo]）
|
||||
学者节点： A1、A2...（圆角方括号，如 A1([学者名])）
|
||||
团队节点： T1、T2...（圆形，如 T1((团队名))）
|
||||
|
||||
关系表示：
|
||||
--> 实线箭头（强关系：包含、贡献）
|
||||
-.-> 虚线箭头（弱关系：引用、派生）
|
||||
|
||||
布局建议：
|
||||
graph TD（纵向）适合展示层级关系（关键词→仓库→贡献者）
|
||||
graph LR（横向）适合展示网络关系（多仓库互联）
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 注意事项
|
||||
|
||||
- ✅ **多关键词覆盖**：同一研究方向使用中英文多个关键词检索，提高覆盖率
|
||||
- ✅ **过滤非科研仓库**：搜索结果中混有教程、作业等非科研仓库，需AI筛选
|
||||
- ⚠️ **热度数据时效性**：Star/Fork 数据反映历史累积，需结合更新时间综合判断
|
||||
- ✅ **知识图谱规模控制**：单次报告纳入≤20个仓库，保证图谱可读性，图谱简洁明了，且注意间隔，不要相互覆盖
|
||||
- ⚠️ **机构信息推断**：学者所属机构基于仓库信息推断，可能不准确，标注"推断"
|
||||
- ✅ **仅读操作**：本技能不修改任何仓库数据，完全只读
|
||||
- ✅ **中文报告**：默认输出中文报告，适合中文科研社区使用，且报告使用html展示
|
||||
|
||||
Loading…
Reference in New Issue