关于 GitPulse AI
评分方法论
GitPulse AI 使用 5 个维度对每个仓库进行 0-100 分的评估，综合得分由加权平均计算：
综合得分 = 0.3 * 增长速度 + 0.2 * 项目成熟度 + 0.2 * 社区健康 + 0.2 * AI 相关性 + 0.1 * 代码质量
增长速度（30%）
基于每日、每周、每月的 Star 增长速度，考虑绝对增长量和相对增长率
项目成熟度（20%）
评估项目年龄、发布频率和文档质量
社区健康（20%）
衡量贡献者多样性、Issue 响应速度和社区活跃度
AI 相关性（20%）
通过 Topic 标签匹配、README 关键词分析和编程语言信号判断项目与 AI 的相关程度
代码质量（10%）
检查许可证、测试覆盖和 CI 配置
项目等级
Star
综合得分 ≥ 70，代表最具影响力的项目
Notable
综合得分 50-69，值得关注的潜力项目
Tracked
综合得分 30-49，处于追踪观察阶段
分类体系
GitPulse AI 将 AI 开源项目划分为 9 个核心分类，涵盖从底层基础设施到终端应用的完整生态：
| 分类 | 说明 |
|---|---|
| 🔗 LLM Frameworks | 构建 LLM 驱动应用的框架和库 |
| 🗄️ Vector Databases | 向量搜索和嵌入存储引擎 |
| 🤖 AI Agents | 自主代理框架和多代理编排系统 |
| 📊 MLOps & Evaluation | 模型训练、部署、评估管道 |
| ⚡ Model Serving | LLM 推理引擎和模型服务基础设施 |
| 🛠️ AI Dev Tools | AI 原生开发者生产力工具 |
| 👁️ Multimodal | 视觉、音频和多模态模型工具 |
| 📋 Datasets & Benchmarks | 训练数据、评估基准和排行榜 |
| 💡 AI Applications | AI 驱动的终端用户应用 |
数据来源
GitPulse AI 的数据全部来自 GitHub 公开 API，采用双源架构确保数据质量：
- 主数据源：GitHub Search API，通过 AI 相关关键词搜索发现新项目
- 辅助数据源：GitHub Trending 页面 HTML 解析，捕获当前热门趋势
- 元数据补全：GitHub REST/GraphQL API，获取仓库完整元数据
- AI 策展：通过 LLM（OpenAI 兼容协议）生成项目摘要、分类和评估
更新频率
数据通过 GitHub Actions 定时任务自动更新：
- 趋势数据：每日 UTC 00:00 和 12:00 同步（每天两次）
- 仓库元数据：每次同步时增量更新
- AI 策展分析：新发现项目在下一个同步周期自动分析
- 星标历史：保留最近 30 天的滚动数据
- 过期清理：超过 30 天未出现在趋势中且星标低于阈值的项目将被移除
开源与隐私
GitPulse AI 是一个纯静态站点，部署在 Cloudflare Pages 上：
- 所有数据处理在构建时完成，无运行时服务器
- 不收集任何用户个人信息
- 不使用第三方分析或追踪服务
- 搜索功能完全在客户端运行（Fuse.js）
- 所有数据文件以 JSON 格式存储在 Git 仓库中，完全可审计