GitHub Repo Deep Dive#

输入任意 GitHub 仓库 URL，自动完成技术架构分析、核心代码解读、文档摘要，并生成可视化知识卡片和多平台发布内容。

适用场景#

• 开源项目技术选型调研
• 竞品技术架构分析
• 新人上手项目快速了解
• 技术博客/公众号素材积累
• 工程团队技术雷达构建

依赖技能#

技能作用github获取仓库元数据、文件结构、Stars/PRs 数据summarize深度摘要 README 和关键文档Agent-Reach搜索项目评价、使用场景、社区讨论card-renderer生成小红书风格架构解读知识卡片

工作流程#

text

Step 1 → github
  │  gh repo view owner/repo
  │  gh api repos/owner/repo --jq '.description, .language, .stargazers_count'
  │  → 输出：仓库基本信息、语言、Star数、描述
  │
  ▼
Step 2 → github
  │  gh api repos/owner/repo/contents --jq '.[].name'
  │  → 输出：根目录文件列表
  │
  ▼
Step 3 → summarize
  │  summarize "https://github.com/owner/repo" --model google/gemini-3-flash-preview
  │  → 输出：README 深度摘要、技术亮点总结
  │
  ▼
Step 4 → Agent-Reach
  │  搜索项目在 Twitter、Reddit、GitHub Discussions 的评价
  │  → 输出：社区反馈、用户场景、使用痛点
  │
  ▼
Step 5 → github
  │  分析 package.json / requirements.txt / Cargo.toml 等依赖文件
  │  → 输出：技术栈判定、关键依赖列表
  │
  ▼
Step 6 → card-renderer
  │  生成「架构解读」风格知识卡片（Mac Pro 极客风）
  │  → 输出：封面图 + 详情页图
  │
  ▼
Step 7 → github
  │  生成 Markdown 格式完整分析报告
  │  → 输出：结构化技术报告文档

快速开始#

分析单个仓库#

text

输入：https://github.com/tensorflow/tensorflow

系统自动完成：

1. 获取仓库基本信息（语言、Star、描述）
2. 读取 README 并生成深度摘要
3. 分析核心文件结构和技术栈
4. 搜索社区讨论和用户评价
5. 生成架构知识卡片
6. 输出完整 Markdown 分析报告

批量分析多个仓库（对比场景）#

text

输入：[vercel/next.js, remix-run/react-router, astro/astro]

生成并排对比报告，包含：

• 技术栈对比表
• Stars / Fork 对比
• 架构风格对比
• 适用场景总结

输出示例#

知识卡片内容结构#

封面

• 项目名称 + 一句话定位
• Star 数 / 语言 / 架构风格标签
• 技术雷达（核心依赖）

详情页

• 项目简介
• 核心架构模式
• 技术栈详解
• 优缺点分析
• 社区反馈摘要
• 适用场景建议

命令行使用#

bash

# 方式一：直接分析（由 Agent 执行）
gh repo view owner/repo --json name,description,language,stargazerCount

# 方式二：获取文件树
gh api repos/owner/repo/contents --jq 'map({name, type})'

# 方式三：获取 README
gh api repos/owner/repo/readme --jq '.content' | base64 -d

注意事项#

• 部分私有仓库内容可能无法获取
• 卡片渲染建议使用 Mac Pro 极客风风格，契合技术内容调性
• 分析完成后建议保存报告到飞书 Wiki 或 Obsidian 知识库