Python 实现 GitHub 热门项目自动挖掘与分析 AI Agent

前言

作为开发者，每天手动浏览 GitHub Trending 榜单面临信息过载、README 语言障碍及内容理解困难等问题。为此，开发了一个 GitHub Insight Agent，自动爬取热门项目，利用 LLM 进行深度分析，并推送整理后的情报日报。

该方案基于 GitHub Actions 运行，无需额外服务器资源。

功能特性

这是一个具备感知（Collector）、思考（Analyzer）、表达（Notifier）能力的 AI Agent。

1. 技术理解：通过 Prompt 让 AI 阅读源码文档，而非简单翻译。提供一句话总结、核心痛点分析及举一反三的应用建议。
2. 零成本部署：利用 GitHub Actions 的定时任务功能，使用免费计算资源。

技术架构

架构设计解耦如下：

• 数据源 (Collector)：requests + BeautifulSoup 抓取 GitHub Trending 榜单。
• 素材获取 (Fetcher)：调用 GitHub API 获取项目的 README.md 原始内容。
• 大脑 (Analyzer)：接入 DeepSeek / OpenAI API，使用 Prompt Engineering 输出结构化 JSON 数据。
• 推送 (Notifier)：通过 Webhook 对接飞书/钉钉群机器人。
• 调度 (Scheduler)：.github/workflows 实现 Cron 定时任务。

核心逻辑主要功夫花在 Prompt 的调优上。

# 核心逻辑伪代码
def main():
    projects = get_trending()
    for p in projects:
        readme = get_readme(p.name)
        report = ai_analyze(readme)
        send_to_im(report)

部署指南

1. Fork 项目：进入仓库页面，点击右上角 Fork。
2. 准备 API Key：准备 LLM API Key（推荐 DeepSeek 或 OpenAI）及 Webhook 地址（飞书/钉钉群机器人）。
3. 配置 GitHub Secrets：在仓库 Settings -> Secrets and variables -> Actions 中填入变量：
   • LLM_API_KEY: 你的 key
   • LLM_BASE_URL: 你的模型地址
   • NOTIFIER_WEBHOOK: 你的机器人地址
4. 运行：配置完成后，Actions 页面可手动触发或等待定时任务执行。

Prompt 设计思考

直接丢给 AI 一篇 README 往往效果不佳。为生成高质量的'举一反三'内容，需迭代 Prompt。

关键技巧：

1. 角色设定：设定为'极具商业洞察力的技术专家'。
2. 思维链 (CoT)：要求 AI 先理解核心逻辑，再发散应用场景。
3. 防幻觉：明确告诉 AI，'不知道的细节就说不知道，严禁瞎编'。

具体的 Prompt 内容通常放在项目的 prompts 文件夹下。

总结