一个没有代码的仓库拿了 9.8k star:南大老师的「科研入门指南」,是抖音和小红书的资料号替它攒的

LAMDA-NeSy/Research-Starter-Kit 为什么能跑出来

研究日期 2026-11-06。数据来源:我们的 github 库与数据卡、GitHub API、trendshift.io、TikHub(小红书 / 抖音搜索)、Exa / Jina / Brave 搜索。互动数是抓取当天的点赞 / 收藏。

一句话

南京大学智能科学与技术学院准聘副教授郭兰哲在 9 月开学季发了一份「科研入门指南」:GitHub 上只有一个 README,正文全是飞书文档链接。这份指南被抖音、小红书上几十个「科研资料号」当免费引流素材反复搬运,有的直接改叫「南大教授科研 Skill」,蹭当时正火的 Skills 话题。69 天涨到约 9.8k star。它靠的不是产品,是「南大博导」的招牌、开学季的刚需,再加上第三方内容号自发铺量。

1. 它是什么

• 仓库 2026-08-29 建,一共 7 个 commit,最后一次 push 是 2026-09-01;没有代码,也没有 license。README 是个目录:「如何做科研」(找论文 / 读论文 / 想 Idea / 学术汇报 / 开会 / 好习惯)、「如何写论文」(画图、Abstract 到 Reference 各节、Rebuttal)、杂项(参会、奖学金、AI 辅助科研),每一条都链到 dy8q0bnq8y.feishu.cn 上的飞书 wiki(GitHub API 读 README,2026-11-06)。
• 作者在 README 里写了来由:每年新生要反复讲同样的基础问题,「也有一些同学可能处于被放养状态」;末尾一句「如果你觉得这个项目对你有帮助,请点亮右上角的⭐️Star⭐️」。
• 课题组 LAMDA-NeSy 在南大 LAMDA(周志华老师的组)体系下。组里此前做过同类的 Lab-RoadMap(进组学习指南,2025-08 建,373 star),组织其余仓库都是论文代码,最多的 335 star(GitHub API)。
• 数据(GitHub API 2026-11-06):9,835 star、约 368 fork、11 watch。fork 率约 3.7%,低得正常:正文在飞书上,仓库里没东西可 fork。

2. 增长曲线和每次跳升的来源

trendshift 的逐日数据(https://trendshift.io/repositories/201983)和我们库里的 daily 对得上。日期和外部内容一一对应如下:

看出来的规律:GitHub 上每一次跳升,前面都有抖音 / 小红书上一条几千到上万赞的搬运内容。GitHub 自己的推荐(trendshift 榜)只在 10-03、10-04 两天上过榜,是结果,不是起因。X(x-radar 近 90 天语料搜不到这个仓库或作者)、HN、Product Hunt、科技媒体都没有发现报道。

3. 竞品

4. 增长手段拆解

1. 作者本人起头(已确认):9-01 小红书个人号发布,1414 赞。作者平时也在小红书发招生、组里日常,有现成的学生受众。这一步带来大约头几百 star。
2. 抖音 / 小红书「资料号」矩阵铺量(已确认,主力):昵称里普遍带「滋.料在主页」「资源看简介」「籽料.在主业」;小红书标题高度雷同(「南大教授科研Skill」出现十几次),话题标签同一套(#howto入门codex #人类高质量科研工具 #科研skill);引导「评论区留言」「已关,求」。这是典型的「免费名校资料当钩子 → 涨粉 → 导到私域」打法,钱回到这些号自己的资料包、课程或广告上(比如 Miracle 那条的评论区有人在卖 A100/H100 算力租赁),不回到作者身上。作者没有任何变现。
3. 蹭「Skills」热词(已确认):2026 年小红书上科研 Skills 是热门话题(比如「2026年科研类Skills排行榜」9-04,2645 赞;「Codex skill总结」10506 赞)。内容号把一份飞书文档包装成「南大教授蒸馏的 skill」,借了这股流量。
4. 开学季时机(已确认):作者自己的文案就写「九月份开学季」;9 月和 10 月国庆假期(10-02~10-04 的峰值)正好是研 0、研一刚进组的时候。
5. GitHub 站内(部分):只有 10-03、10-04 两天上了 trendshift 总榜(#10、#6),在外部流量冲上来之后才出现,是放大器。我们库从 10-28 起才记 trending,trending_days_any=0,也就是 10-28 之后没再上过。

5. 为什么能跑出来

• 招牌:「南京大学 / 博导 / LAMDA」是内容号最好用的标题素材,几乎每条爆款都把「南大教授」放在标题最前面。
• 刚需加时机:每年 9 月都有一批研 0、研一「进组没人带、被放养」,README 直接点破了这个痛点。
• 免费、能直接看:飞书文档点开就能读,不用会 git;GitHub 链接只是一个「可信背书 + 点 star」的落点。
• 适合当钩子:形式是「从找论文到 Rebuttal 的全套清单」,做成截图非常适合「收藏」(小毛驴那条收藏 2.1 万,比点赞还多),正中资料号的需求。
• 第三方自愿铺量:几十个号在 9-14 到 11-01 之间轮番发,一波一波推高 star。作者没花钱,也没有证据表明作者跟这些号有合作。

6. 差异化

内容本身没什么壁垒:同类指南很多(彭思达 15.9k、research_tao 2.1k),它在致谢里也写明参考了周志华、彭思达、魏秀参等人的资料。真正不同的有三点:(1) 作者是在任的名校博导,以机构名义发,不是学生个人笔记;(2) 结构是「一个问题一页飞书」,方便截图搬运;(3) 发布时机正好赶上开学季和 Skills 热潮。这些不一样确实是它跑出来的原因,但都是分发层面的差异,不在内容质量上。同组的 Lab-RoadMap 内容相近,却只有 373 star,说明决定成败的是时机加第三方铺量。

7. 可见度和跟风

• 可见度:在中文科研新手圈里传得很广:抖音、小红书上能找到几十条搬运,最高一条 1.3 万赞;GitHub 将近 1 万 star。但 X、HN、科技媒体上没有,也不涉及收入,属于「小圈子里在传」。这个圈子本身不小。
• 跟风者:
  • YCC-Lover/research-starter-skills(2026-10-05,164 star):把它改成 Codex Skill,描述里写着「结合 Research-Starter-Kit 原创教程」;
  • Siborne/how-to-research(10-08)、Sowlyd/Research-Starter-Kit(10-19 fork):把飞书内容转成 Markdown;
  • Takamatsu-Hikaru/AI-Research-Guide(10-05,214 star)、Infinite-Monkey-Lab/How-to-science(10-20)这类新的同类指南;
  • wjm7614/ai-skills-library 等把它收进 Skill 合集;
  • 内容层面:十几个小红书号用同一个标题「南大教授科研Skill」搬运。

8. 别人能借鉴什么

• 「机构头衔 + 新生刚需 + 季节节点」写成一份免费清单,GitHub 只放目录、正文放飞书(或 Notion):GitHub 负责背书和攒 star,飞书负责阅读体验。
• 主动把内容做成「资料号愿意搬」的形态:一页一个主题,适合截图和收藏。作者自己发第一条,剩下的交给内容号自发扩散。
• 包装上贴当下热词(Skills / Codex),搬运率会明显提高。
• 反过来看,这种模式也能当成可复制的打法:找一份名校老师的免费资料,做成 Skill 或 Markdown 版搭车(YCC-Lover 已经在这么做)。

9. 还不确定的

• 10-15、10-16 那次 +601 / +402 的跳升来自哪里没查到(公众号被验证码拦了,视频号没搜)。
• 这些资料号背后是不是同一个 MCN 或同一伙人,没有核实,只看到标题和标签高度雷同。
• 9-01 到 9-06 每天的 star 没有数据(trendshift 从 9-07 开始,我们的库从 10-17 开始);GitHub stargazers 接口对这个仓库返回 404,拿不到逐个 star 的时间。
• 飞书文档的访问量看不到,所以 star 和真实阅读量之间的比例不知道。