云析智研

基于 Agent 与知识图谱的开源科研协作分析系统

Skill名称：gitlink-research-graph

2026 CCF 开源创新大赛 · GitLink 智能化服务开源项目贡献赛 · 子赛题四（应用 GitLink 辅助科研）

一、作品简介

云析智研 是一个基于 gitlink-cli 的 AI Agent Skill（兼容 Claude Code），面向科研场景，把 GitLink 开源平台上分散的协作数据，一键转化为一张 「组织 → 团队 → 学者 → 仓库 → 技术栈」五层知识图谱，并在其上运行图算法，产出可交互的力导向图谱与结构化协作洞察报告。

解决什么问题

科研人员面对一个陌生开源科研组织时，常需回答三个问题：技术积累在哪里？谁是关键人物？协作结构是否稳定？ 现有工具只能提供碎片化的列表与表格，无法揭示协作关系的网络本质。

官方 gitlink-cli 内置 32 个 Skill，但止步于「单点指标」或「排行表格」，没有任何一个能生成组织级关系图谱或做图算法分析。云析智研正是填补这一空白，实现从「统计报表」到「关系网络」的范式升级。

核心能力

五层知识图谱 ：组织/团队/学者/仓库/技术栈，输出 Mermaid 静态图 + ECharts 交互式力导向图（拖拽/缩放/点击高亮/图例过滤/社区着色）
图算法引擎 ：度中心性、加权贡献中心性、确定性 Louvain 社区发现（输出模块度 Q）、桥接者（介数近似）、Bus Factor、学者角色画像（6 类自动分类）
技术栈画像 ：聚合组织全部仓库的语言分布
产学研人才构成 ：按身份（教授/副教授/讲师/学生/专业人士）统计
协作洞察报告 ：社区结构、关键人风险、协作密度 + 科研赋能建议

真实验证成果（Gitlink 组织）

在 GitLink 官方 Gitlink 组织（28 原创仓库 / 71 成员 / 6 团队）上完整跑通：

图谱规模：57 节点 / 73 边 / 45 位学者
社区发现：6 个协作社区，模块度 Q = 0.4521（强社区结构），精确对应真实技术线
关键人风险：Bus Factor = 3，单点依赖

二、Skill 目录结构

gitlink-research-graph/          ← Skill 本体（整目录拷入 Agent 技能目录）
├── SKILL.md                     主工作流（Step0 能力探测 + Step1-7）
├── REFERENCE.md                 命令 → JSON 字段映射、API 路径、实测版本
├── references/
│   └── graph-spec.md            五层节点/五类边定义 + Mermaid 生成规则
├── asset/
│   └── graph_report_template.md 报告模板 + 组装清单
├── examples/
│   ├── demo-Gitlink-org.md      真实组织跑通记录（Agent 对话）
│   └── raw-output-samples.md    关键命令原始 JSON 留档
└── data/                        运行时中间产物（已 gitignore）

三、安装

前置条件

已安装 gitlink-cli：

npm install -g @gitlink-ai/cli
gitlink-cli version      # 验证安装

一个兼容的 AI Agent（推荐 Claude Code）

💡 本 Skill 核心数据接口匿名可读，无需登录即可生成图谱；仅当分析私有组织或遇 401 时才需 gitlink-cli auth login。

安装 Skill

把 gitlink-research-graph/ 整个目录拷贝到 Agent 的技能目录：

# Windows PowerShell
Copy-Item -Recurse .\gitlink-research-graph "$HOME\.agents\skills\"

# macOS / Linux
cp -r gitlink-research-graph ~/.agents/skills/

四、使用方法

方式一：AI Agent（推荐）

在 Claude Code 对话框输入显式斜杠命令（避免被通用 skill 抢占触发）：

/gitlink-research-graph 帮我分析 Gitlink 组织的科研协作知识图谱

把 Gitlink 换成任意目标组织名即可。Agent 会自动执行 7 步工作流：

步骤	动作
Step 0	能力探测（防 CLI 版本漂移）
Step 1	组织画像（`org +info`）
Step 2	成员层：团队 + 学者 + 身份（`org +members`）
Step 3	仓库层：仓库 + 技术栈（`api /organizations/<org>/projects`）
Step 4	贡献者边（`repo +contributors`，含镜像标注）
Step 5	技术栈层聚合
Step 6	图算法分析 + 组装图谱（Mermaid + ECharts 交互图）
Step 7	按模板生成协作洞察报告

产出（在 outputs/ 目录）：

<组织名>_kg.html — 交互式知识图谱（双击浏览器打开）
<组织名>_report.md — 协作洞察报告
<组织名>_analytics.json — 图算法结果（含学者角色画像）
<组织名>_graph.mmd — Mermaid 图定义

方式二：纯命令行（不使用 Agent 也能复现）

若不使用 AI Agent，可用配套脚本复现整条数据链（脚本在作品的 scripts/ 目录）：

# Windows：一键完成 采集 → 图算法 → 交互图 → 静态图
.\scripts\run_all.ps1 -Org Gitlink

或分步执行：

python scripts/analyze.py   --data <rawdata> --out outputs --org Gitlink   # 图算法 → kg.json + analytics.json
python scripts/render_kg.py --out outputs --org Gitlink                    # ECharts 交互图 → kg.html
python scripts/build_graph.py --data <rawdata> --out outputs --org Gitlink # Mermaid 图 + 技术栈饼图

五、何时用本 Skill / 何时跳过

适合用本 Skill：

分析某科研组织/团队的协作结构、核心贡献者、人才构成、技术栈
需要一张组织全景图，辅助科研选题、找合作者、技术选型

跳过本 Skill：

只想按关键词调研技术方向的项目排行 → gitlink-research-tracker
只想看单仓库健康度（PR/Issue 时长）→ gitlink-health
只想查单个仓库/单次搜索 → gitlink-repo / gitlink-search

六、技术亮点

亮点	说明
确定性 Louvain 社区发现	将随机算法改造为严格可复现，连跑两次结果字节一致，同时保证高模块度划分
二部图 → 协作网络投影	把「学者-仓库参与关系」投影为「学者协作网络」，作为图算法的运算基础
学者角色画像	依图指标自动分 6 类（核心枢纽/跨线协作者/单项目主力等），把排名升维为「谁适合做什么」
运行时能力探测	不写死 CLI 版本，先探测命令是否存在再选路径，防版本漂移
数据工程健壮性	HTML 陷阱检测、identifier vs 中文名、分页、编码、镜像识别
零重型依赖	图算法纯 Python 标准库自实现；交互图单文件 HTML + CDN，无需构建

七、注意事项

所有命令使用 --format json 确保可解析。
repo 系列命令 --repo 必须传英文 identifier，不传中文 name。
镜像仓库（mirror_url 非空）平台内数据为 0，标 [镜像] 且不计入中心性排名。
本 Skill 为纯只读操作，不修改任何仓库或组织。
更多字段映射、降级策略见 REFERENCE.md 与 SKILL.md。

八、开源信息

许可证：MIT License
平台：GitLink · gitlink-cli
赛题：2026 CCF 开源创新大赛 · GitLink 智能化服务开源项目贡献赛 · 子赛题四

云析智研 —— 让 GitLink 的协作数据，成为科研决策的支撑。