需要从研究主题出发系统发现、筛选并深度分析 GitHub…

读取 deep-research 输出，多源发现并深度分析 GitHub 仓库，产出可复用的集成蓝图。

适用场景

解决思路

1. Phase 1 Intake：创建输出目录结构，用 SLUG=$(echo "$TOPIC" | tr '[:upper:]' '[:lower:]' | tr ' ' '-' | tr -cd 'a-z0-9-') 生成 slug，并 mkdir -p github-research-output/$SLUG/{phase1_intake,phase2_discovery/search_results,phase3_filtering,phase4_deep_dive/{repos,analyses},phase5_analysis,phase6_blueprint}
2. Phase 1 Intake：运行 python ~/.claude/skills/github-research/scripts/extract_research_refs.py --research-dir <deep-research-output-dir> --output github-research-output/$SLUG/phase1_intake/extracted_refs.jsonl 提取引用
3. Phase 1 Intake：阅读生成的 JSONL，记录报告中的 GitHub URL、论文标题与 arxiv ID、研究关键词与主题
4. Phase 1 Intake：编写 phase1_intake/intake_summary.md，包含直接 GitHub URL 数量、可能有代码链接的论文数量、提取的关键研究主题、Phase 2 计划搜索查询
5. Phase 2 Discovery：对 Phase 1 的直接 GitHub URL 运行 python ~/.claude/skills/github-research/scripts/repo_metadata.py --repos owner1/name1 owner2/name2 ... --output github-research-output/$SLUG/phase2_discovery/search_results/direct_urls.jsonl 获取元数据
6. Phase 2 Discovery：对每个有 arxiv ID 的论文运行 python ~/.claude/skills/github-research/scripts/search_paperswithcode.py --arxiv-id 2401.12345 --output github-research-output/$SLUG/phase2_discovery/search_results/pwc_2401.12345.jsonl 搜索 Papers With Code
7. Phase 2 Discovery：基于研究主题用 3-8 个关键词查询运行 python ~/.claude/skills/github-research/scripts/search_github.py --query "multi-agent LLM coordination" --min-stars 10 --sort stars --max-results 50 --output github-research-output/$SLUG/phase2_discovery/search_results/gh_query1.jsonl 搜索 GitHub
8. Phase 2 Discovery：针对特定实现运行 python ~/.claude/skills/github-research/scripts/search_github_code.py --query "class MultiAgentOrchestrator" --language python --max-results 30 --output github-research-output/$SLUG/phase2_discovery/search_results/code_query1.jsonl 搜索 GitHub 代码
9. Phase 2 Discovery：对缺少描述的仓库运行 python ~/.claude/skills/github-research/scripts/repo_readme_fetch.py --input <repos.jsonl> --output github-research-output/$SLUG/phase2_discovery/search_results/readmes.jsonl 获取 README
10. Phase 2 Discovery：运行 python ~/.claude/skills/github-research/scripts/repo_db.py merge --inputs github-research-output/$SLUG/phase2_discovery/search_results/*.jsonl --output github-research-output/$SLUG/repo_db.jsonl 合并所有结果到主数据库
11. Phase 2 Discovery：编写 phase2_discovery/discovery_log.md，记录搜索查询、各来源结果数、唯一仓库总数
12. Phase 2 Discovery：注意速率限制，GitHub 搜索 API 为 30 请求/分钟（已认证），Papers With Code API 约 1 请求/秒，批量操作时加 --delay 1.0
13. Phase 3 Filtering：运行 python ~/.claude/skills/github-research/scripts/repo_metadata.py --input github-research-output/$SLUG/repo_db.jsonl --output github-research-output/$SLUG/repo_db.jsonl --delay 0.5 丰富所有仓库元数据
14. Phase 3 Filtering：运行 python ~/.claude/skills/github-research/scripts/repo_db.py score --input github-research-output/$SLUG/repo_db.jsonl --output github-research-output/$SLUG/repo_db.jsonl 计算质量与活跃度分数
15. Phase 3 Filtering：阅读质量分前约 50 个仓库，基于与研究主题的直接相关性、实现完整度、代码质量信号分配 relevance_score（0.0-1.0），并用 python ~/.claude/skills/github-research/scripts/repo_db.py tag --input github-research-output/$SLUG/repo_db.jsonl --ids owner/name --tags "relevance:0.85" 更新
16. Phase 3 Filtering：再次运行 repo_db.py score 计算综合分，再运行 python ~/.claude/skills/github-research/scripts/repo_db.py rank --input github-research-output/$SLUG/repo_db.jsonl --output github-research-output/$SLUG/phase3_filtering/ranked_repos.jsonl --by composite_score 排名
17. Phase 3 Filtering：运行 python ~/.claude/skills/github-research/scripts/repo_db.py filter --input github-research-output/$SLUG/phase3_filtering/ranked_repos.jsonl --output github-research-output/$SLUG/phase3_filtering/ranked_repos.jsonl --max-repos 30 --not-archived 选出前 15-30 个
18. Phase 3 Filtering：编写 phase3_filtering/filtering_report.md，包含过滤前后统计、分数分布、前 30 仓库及分数与理由
19. Phase 3 Filtering：使用评分公式 activity_score = sigmoid((days_since_push < 90) * 0.4 + has_recent_commits * 0.3 + open_issues_ratio * 0.3)；quality_score = normalize(log(stars+1) * 0.3 + log(forks+1) * 0.2 + has_license * 0.15 + has_readme * 0.15 + not_archived * 0.2)；composite_score = relevance * 0.4 + quality * 0.35 + activity * 0.25
20. Phase 4 Deep Dive：从排名列表取前 8-15 个仓库，运行 python ~/.claude/skills/github-research/scripts/clone_repo.py --repo owner/name --output-dir github-research-output/$SLUG/phase4_deep_dive/repos/ 浅克隆
21. Phase 4 Deep Dive：对每个克隆仓库运行 python ~/.claude/skills/github-research/scripts/analyze_repo_structure.py --repo-dir github-research-output/$SLUG/phase4_deep_dive/repos/name/ --output github-research-output/$SLUG/phase4_deep_dive/analyses/name_structure.json 分析结构
22. Phase 4 Deep Dive：运行 python ~/.claude/skills/github-research/scripts/extract_dependencies.py --repo-dir github-research-output/$SLUG/phase4_deep_dive/repos/name/ --output github-research-output/$SLUG/phase4_deep_dive/analyses/name_deps.json 提取依赖
23. Phase 4 Deep Dive：运行 python ~/.claude/skills/github-research/scripts/find_implementations.py --repo-dir github-research-output/$SLUG/phase4_deep_dive/repos/name/ --patterns "class Transformer" "def forward" "attention" --output github-research-output/$SLUG/phase4_deep_dive/analyses/name_impls.jsonl 查找关键算法实现
24. Phase 4 Deep Dive：对每个仓库阅读结构分析识别出的关键源文件，在 phase4_deep_dive/analyses/{name}_analysis.md 写单仓库分析，包含架构概览、关键算法实现、代码质量评估、API/接口设计、依赖与要求、优势与局限、可复用性评估
25. Phase 4 Deep Dive：编写 phase4_deep_dive/deep_dive_summary.md
26. Phase 4 Deep Dive：必须真正阅读代码，不能只总结 README；需阅读主源文件（入口点、核心模块），理解实际实现方式，识别实现研究概念的具体函数/类，记录代码模式、设计决策与权衡
27. Phase 5 Analysis：运行 python ~/.claude/skills/github-research/scripts/compare_repos.py --input github-research-output/$SLUG/phase4_deep_dive/analyses/ --output github-research-output/$SLUG/phase5_analysis/comparison.json 生成对比矩阵
28. Phase 5 Analysis：编写 phase5_analysis/comparison_matrix.md，包含跨维度对比表（语言、LOC、stars、框架、许可证、测试）、依赖重叠分析、各仓库优劣势
29. Phase 5 Analysis：编写 phase5_analysis/technique_map.md，将每个论文概念/研究技术映射到具体仓库+文件+函数，识别无实现的空白，记录同一概念的替代实现
30. Phase 5 Analysis：编写 phase5_analysis/analysis_report.md，包含发现摘要、代码分析关键洞察、各仓库用途建议
31. Phase 6 Blueprint：编写 phase6_blueprint/integration_plan.md，包含组合仓库的推荐架构、逐步集成方法、依赖解决策略、潜在冲突及解决方式
32. Phase 6 Blueprint：编写 phase6_blueprint/reuse_catalog.md，对每个可复用组件记录来源仓库、文件路径、函数/类、功能、提取方式，并包含许可证兼容矩阵与集成难度估计（easy/medium/hard）
33. Phase 6 Blueprint：运行 python ~/.claude/skills/github-research/scripts/compile_github_report.py --topic-dir github-research-output/$SLUG/ 编译最终报告
34. Phase 6 Blueprint：编写 phase6_blueprint/blueprint_summary.md，包含一页执行摘要、前 5 仓库及理由、推荐后续步骤
35. 质量约定：仓库按 composite_score = relevance × 0.4 + quality × 0.35 + activity × 0.25 排名；深度分析必须阅读实际代码而非仅 README；集成蓝图必须将论文概念映射到具体代码文件/函数；每阶段立即写盘；可通过检查已有输出从任意阶段恢复；所有脚本为仅用标准库的 Python，无需 pip 安装；需要已认证的 gh CLI；按 repo_id（owner/name）去重；注意 GitHub 搜索 API 限制（30 请求/分钟）
36. 错误处理：若未安装 gh，警告用户并提供安装说明；若仓库已归档/删除，优雅跳过并记录日志；若克隆失败，跳过、记录日志并继续剩余仓库；若 Papers With Code API 宕机，跳过并仅依赖 GitHub 搜索；始终将部分进度写入磁盘以免丢失工作

适用边界 · 注意事项

• 没有 deep-research 输出目录作为输入时
• 未安装或未认证 gh CLI 时
• 只需要快速查看单个仓库、不需要多源发现与集成蓝图时