什么值得做
GitHub 开源项目 · 11-18 写
Xin-YuXiao/Awesome-AI-for-Astronomy · Xin-YuXiao

一天建好、9 天 386 星的「AI × 天文」清单:内容是真的,star 多半不是

它是什么 一份「AI 用于天文和天体物理」的论文与工具精选清单,436 篇论文,每篇带一句话摘要,有能筛选的网页、每天自动筛 arXiv 新论文的页面和给 AI 工具用的接口。

为什么火了 同领域的老清单都停在 2023–2024 年,它用 AI 一天补齐了近两年的论文,同行愿意来提 PR;但看得见的传播只有一条 45 赞的 LinkedIn 帖,每天稳定几十星的曲线、极低的 fork 比和机器号 fork 都说明 star 大多像是刷的。

C你可以怎么跟 挑一个老清单停更、近两年论文暴增的「AI × 某学科」领域,照它的结构做(YAML 数据、可筛网页、核验标注、每日 arXiv 筛选、AI 工具接口),靠本领域同行和被收录论文的作者传播。

C 级:这套「AI 一天建库 + 机器每天续更」的做法值得学,但它的 star 大概率是刷出来的,证明不了真实能拿多少;天文这类学术圈子小,自然天花板是几年几百星。 还没什么人知道
数据(每天更新) · 建库 2026-11-10 · 398 星 · 7 天 +307
GitHub · 星数
020040011-1211-1411-1611-1811-20398
数据 2026-11-12 → 2026-11-20(9 天,9 次观测)。10-28 以前的点来自 deeply / 存档补录,不是每天都有

国科大一位学生用 AI 编程助手一个早上搭出一份「AI 用于天文」的论文清单,9 天拿到 386 个 star,比这个领域里最老牌的清单攒了 8 年的还多。清单本身做得确实好,补上了一个停更多年的空档;可 star 的来路经不起细看。下面说清楚它做对了什么、star 从哪来、你想做一个同样能拿 star 的开源项目,哪些能抄、哪些别信。

一个早上,233 条

北京时间 2026 年 11 月 11 日早上 7 点 08 分,GitHub 账号 Xin-YuXiao 往一个新仓库推了第一次提交。47 分钟后,仓库里已经有 233 条论文条目。提交说明写的是「Add 54 verified entries」「Add 35 verified 2023-2026 entries」这样一批一批地加;直到最近,提交末尾还挂着「Co-Authored-By: Claude」。看得出来,这是 AI 编程助手批量整理、人再逐条核对做出来的。第二天,网页版和自动生成 README 的流水线也上线了。

当天下午 3 点多,作者在 LinkedIn 发了一条帖:「Awesome-AI-for-Astronomy is now public. 收了 326 篇论文、65 个开源工具,分 18 个主题,大约一半是 2024 到 2026 年发表的。欢迎贡献。」底下 45 个赞、7 条评论,能看到的几条是「你做过高能天体物理吗?」「我是 MBZ 搞天文的,改天聊聊」「Awesome」。

作者肖新宇,主页写的方向是天文和探月用的大模型。他的 GitHub 账号 2022 年注册,0 个关注者,这是他唯一有 star 的原创仓库。9 天后(11-19),这个仓库 386 星。

它到底是什么

一份「AI 用于天文、天体物理、宇宙学、日球物理、行星科学」的精选清单,但不是那种只堆链接的 README:

  • 436 篇论文、60 多个软件包,分 20 多个区(基础模型、大语言模型、agent、基准、星系、引力透镜、时域、系外行星、宇宙学……),同一个区按时间倒序。
  • 每篇一句话摘要,标了期刊或会议(经 DOI 核实的加粗)、有没有公开代码、权重和数据。README 写明每个 arXiv 编号、DOI 和仓库链接收录前都核对过,还跑自动的死链检查。
  • 能搜能筛的网页版:按年份、发表类型、有没有代码、数据类型筛,整份清单能下 JSON 和 CSV。
  • 「AstroAI Today」页:GitHub Actions 每天抓 arXiv 新论文,用 DeepSeek 筛出和 AI 相关的,每篇写一行 TL;DR,另有周报和月报,和人工精选的部分分开标。
  • 一个给 AI 工具用的 skill:让 Claude Code 这类工具直接查这份目录。
  • 挂了 Zenodo DOI,写论文的人可以直接引用。

它补的空档是真的

「AI × 天文」本来就有清单,只是都停了:

清单上线规模(11 月)和它的区别
georgestein/ml-in-cosmology2018-12436 星,2023-04 后停更只管宇宙学,纯 README,没有摘要和网页
dr-guangtou/taotie(饕餮)2018-12472 星,2024-07 后停更天体物理资源大杂烩,不专做 AI
jonathansick/awesome-astronomy2015-05631 星收天文软件,不收 AI 论文;这份清单在自己 README 里把它列为补充
mpi-astronomy/awesome-astro-datascience2022-0467 星,2024-01 后停更经典天文数据科学,不追大模型
ai4s-research/awesome-ai-for-science2025-102,104 星全学科,天文只是一节
hyperai/awesome-ai4s2024-043,406 星中文论文解读合集,天文很浅

(GitHub,11 月)

2024 年以来,天文领域的基础模型、大模型、agent 和基准论文涨得很快,老清单一篇都没跟上。这份是目前唯一一份还在更新、结构化、每天自动续、能给 AI 工具调用的。GitHub 上 9 月以后新建的同题材仓库都是 0 到 1 星,没人跟。

同行也认。一周之内有五六个外部的人来提 issue 和 PR:做天文大模型「星语」(StarWhisper,332 星)的 Yu-Yang-Li 提了 30 多个 PR,还写了那个 skill;另有国内几位天文 ML 研究者、一位海外开发者提了 issue 和 PR,一位土耳其的天文硕士生 fork 了。对一个 9 天大的学术清单来说,这是实打实的反响。

star 从哪来:看得见的只有一条帖子

每天的 star(GitHub,11 月):

日期star当天新增
11-1239—
11-1391+52
11-14154+63
11-15182+28
11-16216+34
11-17276+60
11-18325+49
11-19379+54

能找到的传播,只有作者那条 45 赞的 LinkedIn 帖和国内同行这一圈。X、Hacker News、Reddit、中文网页都没搜到有人讨论它。PullRepo 11-14 的日报把它排在「Other AI Tools」增长第一,trendshift 也收录了,但这些站是看到 star 涨了才收的,是结果不是原因。它也没上过 GitHub trending(建库不满约 60 天进不去)。

网上有说法称它是在 LinkedIn 天文圈里被好几个人转起来的。点开那几条一看,一条是建库前 4 个多小时发的,一条是建库前 3 天发的,都是 LinkedIn 页面底下自动推荐的「相关帖子」,不是在转这个仓库。

这条曲线不像是帖子带出来的

靠一条帖子起来的仓库,曲线通常是发帖那天猛涨,然后一天比一天少。这个仓库正好相反:帖子发在 11-11,之后 8 天每天稳稳 28 到 63 星,没有一天突增。几处对不上的地方放在一起:

  • 和领域天花板比:同领域最好的几份清单,用 8 到 11 年才攒到 436 到 631 星。全世界做天文 ML 的人也就几千。一条 45 赞的帖子,9 天带出 386 星,说不通。
  • fork 太少:fork 和 star 的比例是 2.9%(11 / 386)。同类清单都在 11% 到 14%。
  • 没人 watch:watchers 是 0,作者自己也没 watch。
  • 11 个 fork 里有 6 个像机器号:都在 2026 年 8 月底到 10 月初批量注册,用户名是「单词 + 单词 + 几个字母数字」,简介是「Marketing Specialist | gardening」「Pharmacist — music, tennis」这种模板,0 关注 0 粉丝。每个号只 fork 了四到十个仓库,几乎全是国内新建的小项目:一串「麦当劳 MCP」(mcd-budget-meal、mcd-optimizer、mccarbon……)、ling-stack、gezhi-sheets 等。
  • 同一批号服务过的仓库被 GitHub 清过星:mcd-budget-meal 有一天净掉了 288 星;mccarbon 单日涨 937 之后不涨反跌;和这份清单共用一个机器号的 gezhi-sheets,每天的增量是 43、63、13、41、51、85、72,和这里几乎是同一个节奏。

所以最合理的解释是:大部分 star 是刷的 推断,把握大。但要说清楚,这不是实锤:GitHub 对这个仓库不公开 star 名单,看不到具体是谁点的;也不能排除那批机器号是自己找小仓库「养号」,不是作者买的;国内的微信群、组会转发外面搜不到,可能也解释了一部分。

学生这么做的动机不难理解:star 数写进简历、申请材料都好看,攒到 60 天还能冲 trending。

你能学到什么

拆开看,这个项目里有两样东西,一样能学,一样别信。

能学的是做法:找一个「AI × 某个学科」的细分领域,老清单停在两三年前;用 AI 编程助手一两天把近几年的论文批量整理出来,每条人工核一遍(期刊、代码、数据);用 YAML 存数据、脚本生成 README 和网页,能筛、能下载;再挂一个每天用便宜模型筛 arXiv、写一行摘要的自动页,加一个给 AI 工具用的 skill。以前要一个人维护几年的东西,现在一个人一天搭好、机器天天续。这套做法让它拿到了真实的同行贡献者。

别信的是 star 数:它不能证明「这样做就能 9 天 400 星」。按同领域老清单的经验,一个几千人的学术圈,自然长出来的天花板是几百星、要好几年。拿它当「这个方向被验证过」的证据,要打很大的折扣。

如果是你

判断:C。能学到一套很省力的「垂直论文清单」做法,但它的 star 大概率是刷出来的,证明不了这条路能拿多少真 star;天文这个圈子本身也小。

适合谁:自己就在某个学科做 AI 研究的研究生或博士后,能判断论文好坏、在本领域 LinkedIn 或学术圈有点人脉;目的是给自己攒一份「领域里人人都在用的清单」的名声,而不只是冲 star。

不适合谁:不在这个领域、只想照模板换个学科名冲 star 的人——论文核不了,同行不会来提 PR,最后是又一份没人维护的清单;想复刻「9 天 400 星」的人,那条曲线本身就不可信。

怎么做:挑一个同样「老清单停更 + 近两年论文暴增」的领域,先在 GitHub 上搜一遍确认没人在维护(化学、材料、地球科学、医学影像、高能物理这些都值得看看,别碰已经有大清单的全学科 AI4S)。照它的结构做:数据存 YAML、自动生成 README 和可筛的网页、每条标代码和数据、挂 DOI 方便引用,再加每日 arXiv 筛选页和给 AI 工具用的 skill——后两样老清单都没有,是最容易说出口的差异。

怎么获客:学术圈的 star 来自同行。在本领域的 LinkedIn 和 X 上发一条,第一句写清「收了多少篇、多少是近两年的」;把清单发给被收录论文的作者,他们最愿意转;请同实验室和合作者来提 PR,让仓库一开始就有人在动;投到相关会议的 workshop 或领域邮件列表。别买 star,同一批号服务的仓库已经被 GitHub 清过。

什么时候之前:不急,学术清单比的是谁先占住一个空领域、谁一直在更新。但「每天自动续更」这招谁都能做,一个领域被别人先占了就很难再挤进去,看中了就早点做。

什么情况说明看错了:① 这份清单接下来几个月真的被天文圈引用、被大号或期刊提到,外部贡献者从五六个涨到几十个——说明垂直清单的真实需求比这里估的大,值得更积极地复制到别的学科;② 反过来,它的 star 在某一天被成批清掉(像 mcd-budget-meal 那样一天掉几百),刷星的判断就坐实了;③ 有人用同样做法给另一个学科做了清单,不靠刷、两三个月自然拿到几百星,那这条路的天花板就比天文高,照那个领域去做。

数据与出处

GitHub:仓库页、README、提交记录、issue 和 PR、fork 账号资料,每日 star 记录(11-12 到 11-19),同类清单的 star 和最后提交时间(11 月);机器号 fork 过的仓库的每日 star 记录。LinkedIn:作者 2026-11-11 发布帖(45 赞、7 条评论)及两条「相关帖子」的发帖时间(从帖子编号推算)。聚合站:PullRepo 2026-11-14 日报、trendshift。X、Hacker News、Reddit、中文网页的搜索均未找到讨论。写「推断」的地方是推断。

GitHub 仓库 ↗

研究底稿:竞品表、获客证据、完整研究报告
竞品
名字在哪上线规模它和这家不同在哪
georgestein/ml-in-cosmology开源2018-12436 星 / 50 fork,2023-04 后停更只管宇宙学;纯 README,没有摘要、网页和自动更新
dr-guangtou/taotie(饕餮)开源2018-12472 星 / 57 fork,2024-07 后停更天体物理研究资源大杂烩,不专门做 AI
jonathansick/awesome-astronomy开源2015-05631 星 / 88 fork收天文软件和资源,不收 AI 论文
mpi-astronomy/awesome-astro-datascience开源2022-0467 星,2024-01 后停更管经典天文数据科学,不追大模型和 agent
astroML/astroML开源2012-101,209 星代码库加教材,不是论文索引
ai4s-research/awesome-ai-for-science开源2025-102,104 星全学科 AI4S 清单,天文只是一节
hyperai/awesome-ai4s开源2024-043,406 星中文 AI4S 论文解读合集,天文很浅
awesome-JAXtronomy / awesome-helio / awesome-astrophysical-simulation-codes开源2021–202431–127 星各管一个子领域
benty-fields / arXiv astro-ph 日列表 / NASA ADS网页早已有天文学界的日常工具每天推论文,但不筛 AI 相关、不写 TL;DR
用户从哪来
  • 查实 LinkedIn 作者发布帖:2026-11-11 07:19 UTC 发「326 papers and 65 tools」,45 个赞 / 7 条评论
  • 查实 国内天文 ML 同行圈(国科大 / StarWhisper):Yu-Yang-Li 提了 30 多个 PR 加 skill,ruiyicheng、Maxwell-Jia、xuquanfeng、HIGGS317 提了 issue / PR,uzayyaydiin fork
  • 查实 GitHub 涨星聚合站(被动收录):PullRepo 11-14 日报 Other AI Tools 排第一(Growth Score 97.62),trendshift、risingtechrank 收录
  • 推断 疑似刷星:6/11 的 fork 是 2026-08~10 批量注册、填假身份的机器号,同时 fork 一串国内小库(mcd-* 麦当劳 MCP 系列、ling-stack、gezhi-sheets 等),其中 mcd-budget-meal 一天被清 288 星;本库每天 28–63 星的平滑曲线、2.9% 的 fork 比(同类 11–14%)、watchers 0;stargazer 名单接口不可见,没法直接核
  • 推断 LinkedIn 第三方转发(数据卡说法):卡里点名的 Charles McGowen 帖解码出来的发帖时间是 11-10 18:50 UTC,早于建库;Zahra Sharbaf 帖是 11-07;两条都是页面上的相关帖,不是在转这个库

Xin-YuXiao/Awesome-AI-for-Astronomy:为什么能跑出来

结论先行

  • 它是什么:一份「AI 用于天文 / 天体物理」的论文、模型、数据集、基准和软件精选清单。另有一个能搜能筛的网页版、一个每天用 DeepSeek 筛 arXiv 新论文写一句话摘要的「AstroAI Today」页,一个给 AI 工具调用的 research skill,还挂了 Zenodo DOI。作者是国科大(UCAS)的学生肖新宇(主页写的研究方向是天文与探月用的大模型)。
  • 内容是真的硬:436 篇论文、77 个软件 / 资源链接,每篇都有一句话摘要,标了期刊 / 会议、代码、权重和数据,还跑了自动链接检查。同领域现有的清单都停更了(ml-in-cosmology 最后一次提交在 2023-04,awesome-astro-datascience 在 2024-01),它补上了一个真实存在的空档。
  • 但 star 的速度大概率不是自然长出来的:看得见的自然渠道只有作者自己的一条 LinkedIn 帖(45 个赞、7 条评论)和一圈国内天文 ML 同行。这撑不起「9 天 386 星、每天稳稳 28–63 星、没有一天突增」的曲线。同领域最好的清单 7–11 年才攒到 436–631 星。fork 比只有 2.9%,同类在 11–14%。11 个 fork 里有 6 个是批量注册、填了假身份的机器号,这批号同时在 fork 一串国内小项目,其中有的项目被 GitHub 一天清掉过 288 颗星。
  • 结论:产品本身的差异化是真的(数据结构化、自动更新、能给 agent 调用),这是它在小圈子里有真实贡献者的原因。但 star 数上的「跑出来」,主要像是刷星撑起来的,不是传播撑起来的。

一、基本数据

项值来源
建库2026-11-10 23:13 UTCGitHub API
star / fork386 / 11(11-19)GitHub API、GraphQL
watchers0GitHub GraphQL
每天的 star11-12 39 → 11-13 91 → 11-14 154 → 11-15 182 → 11-16 216 → 11-17 276 → 11-18 325 → 11-19 379数据卡 / github 库 repo_day
每天净增52, 63, 28, 34, 60, 49, 54github 库 repo_day
trending没上过(trending 只收建库满约 60 天的库,这一点说明不了什么)github 库
作者Xin-YuXiao,账号 2022 年注册,0 个 follower,自己的原创库只有这一个有星GitHub API
提交161 次:作者 86 次,Yu-Yang-Li 42 次,actions 机器人 26 次,其他人 4 次GitHub commits

内容:436 篇论文,分 20 多个分区,同一分区内按时间倒序;每篇有一句话摘要、期刊 / 会议(经 DOI 核实的加粗)、代码 / 权重 / 数据链接。网页版能按年份、发表类型、有没有代码、数据模态筛选,也能下载 JSON / CSV。

  • AstroAI Today:GitHub Actions 每天抓 arXiv,用 DeepSeek V4.1 Flash 筛选,给每篇写 TL;DR,另有周报和月报。
  • .agents/skills/astroai-research/SKILL.md:让 Claude Code 这类工具直接查这份目录。
  • 仓库里有 .claude/skills/,早期提交是「Add 54 verified entries」「Add 35 verified 2023-2026 entries」这样的大批量入库。建库当天 23:08 首提交,47 分钟后 233 条,第二天就有网页版和 YAML 生成流水线。显然是 AI 编程 agent 加人工核验做出来的。

二、竞品与同类

名字在哪上线规模和它的区别
georgestein/ml-in-cosmology开源2018-12436 星 / 50 fork,2023-04 后停更只管宇宙学;纯 README,没有摘要、网页和自动更新
dr-guangtou/taotie(饕餮)开源2018-12472 星 / 57 fork,2024-07 后停更天体物理研究资源大杂烩,不专门做 AI
jonathansick/awesome-astronomy开源2015-05631 星 / 88 fork收的是天文软件和资源,不收 AI 论文;它自己在 README 里把这家列为补充
mpi-astronomy/awesome-astro-datascience开源2022-0467 星 / 12 fork,2024-01 后停更管经典天文数据科学资源,不追大模型和 agent
astroML/astroML开源2012-101,209 星一个代码库加一本教材,不是论文索引
JAXtronomy/awesome-JAXtronomy、i4Ds/awesome-helio、pmocz/awesome-astrophysical-simulation-codes开源2021–202431–127 星各管一个子领域(JAX、日球物理、模拟代码)
ai4s-research/awesome-ai-for-science开源2025-102,104 星全学科的 AI4S 清单,天文只是其中一节
hyperai/awesome-ai4s开源2024-043,406 星中文 AI4S 论文解读合集,覆盖面广、天文很浅
Yu-Yang-Li/StarWhisper开源2023-07332 星天文大模型「星语」本身,不是索引;作者是这份清单的第二大贡献者
benty-fields、arXiv astro-ph 日列表、NASA ADS网页早已有天文学界的日常工具每天推论文,但不筛「AI 相关」,也不写 TL;DR

小结:「AI × 天文」这个细分领域本来就有清单,但都是 2018–2022 年的老清单,都停更了,也都只是纯 README。这份是唯一一份 2024–2026 年还在维护、结构化、自动更新、能给 agent 调用的。同期没发现跟风者:GitHub 搜 2026-09 之后建的同题材库,别的都是 0–1 星。

三、增长手段:用户从哪来

能确认的自然渠道(量都很小)

  1. 作者的 LinkedIn 发布帖(2026-11-11 07:19 UTC):写的是「326 篇论文、65 个开源工具、18 个主题」,45 个赞、7 条评论(LinkedIn 页面 num-reactions)。www.linkedin.com/posts/xin-yu-xiao-344146313_github-xin-yuxi…
  2. 国内天文 ML 同行圈:有真实的外部参与。
    • Yu-Yang-Li(国科大,StarWhisper 作者)提了 30 多个 PR,外加 research skill。这些 PR 每 10–15 秒一个,也是 agent 批量提的。
    • ruiyicheng 提了 PR #3,Maxwell-Jia 提了 issue #2、#4,xuquanfeng 提了 issue #14。
    • HIGGS317(Divyansh Tripathi)提了 PR #15。
    • uzayyaydiin(土耳其的天文硕士生)fork 了。
    • 这些就是「小圈子里在传」的真实证据。
  3. 聚合站转载:都是涨起来之后被动收录的,是结果,不是原因。

数据卡里说的「LinkedIn 天文圈传播」站不住

  • 卡里点名的 Charles McGowen 那条帖,LinkedIn 活动 ID 解码出来的时间是 2026-11-10 18:50 UTC,比建库(23:13 UTC)早 4 个多小时。
  • Zahra Sharbaf 那条是 2026-11-07 23:08 UTC。
  • 两条都是 LinkedIn 页面底部的「相关帖子」,不是在转这个库。
  • X(x-radar 近 30 天检索 0 条)、HN(hackernews 库 0 条)、Reddit 和中文网页(Brave / Jina / Exa)都没搜到讨论。

刷星的迹象(很强,但没法直接看到 stargazer 名单)

  1. 曲线形状:8 天里每天 28–63 星,没有一天突增。靠帖子带起来的库通常是「发帖当天暴涨再衰减」,而作者唯一的帖子在 11-11,之后每天的增量反而稳在 50 上下。
  2. 和领域天花板比:这个领域最成功的同类清单 ml-in-cosmology 用了 8 年才 436 星,awesome-astronomy 用了 11 年才 631 星。全球做天文 ML 的人也就几千。一份 45 个赞带出来的清单,9 天 386 星,不合理。
  3. fork 比:2.9%(11/386)。同类都在 11–14%:ml-in-cosmology 11.5%、taotie 12%、awesome-astronomy 14%、awesome-ai-for-science 13%。何况这 11 个 fork 里只有 5 个是真人。
  4. watchers 是 0:连作者自己都没 watch。
  5. 6 个机器号 fork:cobwebgoes4b、crispsatlas-3q、repairs78peaches、dibs-livings-7u、docents-node6r、cyanmistier-5g。
    • 都是 2026-08-31 到 10-06 批量注册的。用户名是「单词+单词+数字字母」,名字是随手编的西式人名,简介是「Marketing Specialist | gardening」「Pharmacist — music, tennis」这种模板,0 follower / 0 following。
    • 每个号只 fork 了 4–10 个库,而且几乎全是国内的新小项目:mcd-budget-meal、mcd-optimizer、mcd-calorie-butler、mcd-kcal-picker、mcd-points-actuary、mcd-saver-checkup、mcd-wrapped、mccarbon(一串「麦当劳 MCP」项目),还有 ling-stack(3 个号都 fork 了)、gezhi-sheets、winutil-cn、ai-mingren-video-generation 等。
    • 伪装用的号一般会 fork 名库,这批只 fork 不知名的小库,更像是同一个刷星服务的客户名单。
  6. 同一批号服务的别的库被 GitHub 清过星:
    • Sam-Hui-dot/mcd-budget-meal 有一天净少了 288 星。
    • yeqv111/mccarbon 单日 +937,之后不涨反跌。
    • beiwocaishijia/gezhi-sheets(11-09 建,和本库共用一个机器号 fork)每天的增量是 43、63、13、41、51、85、72,和本库几乎同一个节奏。
    • 以上数据来自 github 库 repo_day / repo_profile。
  7. 限制:GitHub 的 stargazers 接口对这个库返回 404,GraphQL 也只回空列表,看不到具体是谁点的星。所以「刷星」是强推断,不是实锤。也不能排除这批机器号是自己蹭热门小库来养号的;不过它们 fork 的都是 100–2000 星的国内小库,蹭热门说不太通。

四、它凭什么起来(分两层说)

作为一个产品,它在小圈子里真起来了,原因是:

  1. 补了停更的空档:同领域清单全停在 2022–2024 年,而 2024–2026 年天文大模型、foundation model、agent、benchmark 的论文暴增。它约一半条目在 2024–2026 年(作者 LinkedIn 原话)。
  2. 用 AI agent 一天做出了一份「核验过的」高密度清单,再加 DeepSeek 每天自动更新。门槛从「一个人维护几年」变成了「一个人一天搭好、机器天天续」。
  3. 对研究者有用的细节:期刊核实、代码 / 权重 / 数据标注、一句话摘要、JSON / CSV、DOI 方便引用,还有 agent skill。这让同行愿意来提 PR,一周内有 5–6 个外部贡献者。

作为一个 star 数,它「跑出来」主要靠的不是上面这些:看得见的传播只有一条 45 赞的 LinkedIn 帖。曲线平滑,fork 比极低,有机器号 fork,和已知刷星的库共用同一批号。这些放在一起,最合理的解释是大部分 star 是买的或者被互刷来的。学生做这件事的动机很普遍:简历和学术名气;star 满 60 天以后还能冲 trending。

五、差异化

  • 和老清单比:是「结构化数据库」,不是「README 链接堆」。可筛选、有摘要、有核验、能下载、能引用,每天自动更新。
  • 和全学科 AI4S 清单比:只做天文,而且分得很细(星系、引力透镜、时域、系外行星、日球、射电、行星……20 多个分区)。
  • 和 arXiv 日推工具比:先用大模型过滤「是不是 AI 相关」,再写 TL;DR;人工精选和机器推荐分开标。
  • 是不是它跑出来的原因:是它拿到真实贡献者、被同行认的原因。但不是它 9 天 386 星的原因,star 数主要不是靠差异化换来的。

六、能借鉴的

  • 「AI 编程 agent 一天建库 + 人工核验 + LLM 每天自动续更 + 给 agent 用的 skill / JSON 接口」这套组合,可以平移到任何停更的「AI for X」垂直清单(化学、材料、地球科学、医学影像……)。真正有用的是「一个停更的垂直领域 + 结构化 + 自动更新」。
  • 发布打法:学术圈在 LinkedIn 发一条,配合同实验室的人批量提 PR,让仓库看起来很活跃。
  • 反面:同一批刷星号会被 GitHub 清理(mcd-budget-meal 一天掉 288 星),star 数靠不住。拿它当「需求被验证」的证据要打折扣。

七、不确定的

  • 看不到 stargazer 名单,刷星的比例无法量化。
  • 不知道微信群、朋友圈、国内天文圈的组会和群里有没有转发,这是唯一可能解释部分自然增长、但网上搜不到的渠道。
  • 网页版和 AstroAI Today 页有没有真实访问量:没有流量数据。
  • 机器号 fork 也可能是那批号自己在「养号」,不一定是作者买的。

出处

  • GitHub API:仓库、作者、提交、issue / PR、forks、fork 账号资料;GraphQL(stargazerCount 386、watchers 0、stargazers 列表为空)
  • github 库(agent-im DuckDB):repo_profile / repo_day,包括本库、同类清单和机器号 fork 过的库
  • hackernews 库:0 条
  • x-radar:近 30 天 0 条
  • LinkedIn 作者帖(Jina 读页,45 reactions / 7 comments)及 Charles McGowen、Zahra Sharbaf 帖(活动 ID 解码出发帖时间)
  • PullRepo 2026-11-14 日报、trendshift.io/repositories/353039
  • 网页版 entries.json(meta:436 papers、77 links,generated 2026-11-18)

文章由 AI 根据公开数据和我们每天采集的数据写成,数字带出处,推断已标明