AI 开源项目技术尽调与公众号内容自动化

AI 开源项目技术尽调与公众号内容自动化 — GitHub Trending 监控 + 技术深度分析 + 公众号文章生成与发布

GitHub Trending → 技术深度分析 → 公众号长文 → 知识库沉淀

🎯 解决痛点

• ❌ 每天刷 GitHub Trending 太耗时，不知道哪些项目值得深入
• ❌ 想写技术公众号文章，但研究+写作耗时太长难以坚持
• ❌ 好内容分散在代码、Issue、README 中，难以系统性提取
• ❌ 文章写完没有形成知识积累，下次重新研究费时费力

💡 解决方案

text

GitHub Trending（今日热门项目）
        ↓
┌─────────────────────────┐
│  Agent-Reach             │ → 抓取 Trending 列表 + 指定仓库页面
└───────────┬─────────────┘
            │ 项目列表 + 仓库数据
     ┌──────▼──────┐
     │  tech-article-pro │ → AI 技术深度分析，生成结构化技术解析
     └──────┬──────┘
            │ 技术分析报告
     ┌──────▼──────────────┐
     │ wechat-article-pro  │ → 适配公众号风格，生成3000-5000字长文
     └──────┬──────────────┘
            │ 公众号文章
     ┌──────▼──────────┐
     │ feishu-create-doc │ → 同步至飞书知识库，形成知识沉淀
     └──────────────────┘

📦 编排 Skills

Skill	作用	调用时机
Agent-Reach	抓取 GitHub Trending + 读取仓库详情页	Step 1
tech-article-pro	技术深度分析，生成结构化技术报告	Step 2
wechat-article-pro	适配公众号风格，生成可发布长文	Step 3
feishu-create-doc	同步技术报告至飞书知识库	Step 4

🔧 前置要求

1. Agent-Reach：已安装并配置 GitHub 频道
2. tech-article-pro：联网搜索权限（web_search/web_fetch）
3. wechat-article-pro：微信公众号后台 AI 配图功能
4. feishu-create-doc：飞书机器人文档创建权限

📝 使用方法

触发方式

text

/ai-opensource-tech-due-diligence
帮我分析这个GitHub项目
生成这个仓库的技术文章
对 [repo] 做一个技术尽调

手动执行

bash

# 方式1：输入 GitHub 仓库 URL，直接生成技术文章
openclaw run ai-opensource-tech-due-diligence --repo owner/repo-name

# 方式2：分析今日 GitHub Trending 热榜
openclaw run ai-opensource-tech-due-diligence --source trending --language python

# 方式3：分析多个仓库并生成对比文章
openclaw run ai-opensource-tech-due-diligence --repos owner/repo1 owner/repo2 --compare

🔄 工作流详情

Step 1: Agent-Reach 抓取项目数据

yaml

步骤: 1
技能: Agent-Reach
输入:
  模式: 仓库分析
  任务:
    - 获取 GitHub Trending 列表（语言: python, 周期: 今日）
    - 获取指定仓库的 README、star 数、贡献者、主要 Issue
  sources:
    - type: github_trending
      params:
        language: ${language: all}
        since: daily
    - type: github_repo
      params:
        owner: ${owner}
        repo: ${repo}
输出:
  trending_repos: ${list.json}
  repo_data: ${readme + issues + contributors}

Step 2: tech-article-pro 技术深度分析

yaml

步骤: 2
技能: tech-article-pro
输入:
  主题: "${repo_name} 技术深度解析"
  数据源: ${repo_data}
  分析维度:
    - 架构设计：核心模块、代码结构
    - 技术原理：关键技术选型、算法实现
    - 性能评估：基准测试、优化手段
    - 社区生态：star 趋势、活跃度、贡献者质量
    - 竞品对比：同类开源项目横向对比
  写作风格: 机器之心/InfoQ 硬核技术风
  技术标签: ["架构", "代码实现", "技术原理"]
输出:
  tech_report: ${analysis.md}
  key_insights: ${insights.json}

Step 3: wechat-article-pro 生成公众号文章

yaml

步骤: 3
技能: wechat-article-pro
输入:
  主题: "${repo_name} 技术解析 | ${一句话概括亮点}"
  技术报告: ${tech_report}
  字数: 3000-5000
  风格: 刘润公众号叙事风格（技术故事切入）
  必含要素:
    - 技术原理（代码示例 ≥4处）
    - 使用场景
    - 竞品对比
    - 未来展望
输出:
  article: ${article.md}
  cover_prompt: ${cover_image_prompt}

Step 4: feishu-create-doc 知识库沉淀

yaml

步骤: 4
技能: feishu-create-doc
输入:
  标题: "【技术尽调】${repo_name} | ${date}"
  内容: ${tech_report}
  格式: markdown
  位置: 我的空间 或 指定知识库节点
输出:
  doc_url: ${feishu_doc_url}
  doc_id: ${doc_id}

📊 输出示例

生成的文章结构

markdown

# ${repo_name} 深度解析：一个改变 ${场景} 的开源项目

## 开篇：一个真实的技术痛点

[从真实使用场景或 Issue 中提取的故事切入]

## 一、技术架构解析

[核心模块架构图 + 代码实现细节]

### 1.1 核心机制
```python
# 关键代码实现
def core_function():
    ...

1.2 性能优化手段

[benchmark 数据 + 分析]

二、为什么它值得关注

[从 star 趋势、作者背景、技术创新性角度分析]

三、同类项目横向对比

维度	${repo}	竞品A	竞品B
性能	...	...	...
易用性	...	...	...
生态	...	...	...

四、适用场景与局限

[明确适用场景 + 已知局限]

五、技术趋势判断

[从架构设计判断未来技术走向]

---

由 AI 开源技术尽调工作流自动生成 | ${date}

text

## ⚙️ 自定义配置

### 修改分析维度

编辑 `workflow.json`：

```json
{
  "analysis_dimensions": [
    "架构设计",
    "技术原理",
    "性能评估",
    "社区生态",
    "竞品对比",
    "安全审计"
  ]
}

修改公众号风格

json

{
  "wechat_style": "tech",
  "word_count_target": 4500,
  "code_examples_min": 4
}

🔒 安全说明

• 所有抓取内容仅用于技术学习与分享
• 尊重开源许可证，不要传播受版权保护的内容
• 飞书文档权限默认为创建者可见

⚠️ 注意事项

1. GitHub API 限制：建议添加 GitHub Token 避免 API 限流
2. 技术深度：tech-article-pro 强制要求技术内容占比 ≥70%
3. 公众号配图：wechat-article-pro 会调用公众号 AI 配图功能
4. 知识沉淀：建议开启 Step 4，将每次分析结果沉淀为组织知识

📞 故障排除

问题	原因	解决方案
抓取仓库为空	仓库不存在或 private	确认 URL 正确性
技术分析深度不足	输入数据太少	增加 Issue/PR 数据抓取
公众号配图失败	后台 AI 功能未开通	手动上传封面图
飞书创建失败	权限不足	确认机器人文档权限