gitlink-cli/scripts/research

scripts/research — 子赛题四·科研辅助算法层

本目录是子赛题四「应用 GitLink 辅助科研」的 Python 工具代码（赛题交付物之一）。 采用 Go 出数据 + Python 做算法 的分工：所有原始数据经现有 gitlink-cli（25 个域）获取， Python 负责知识图谱 / 协作匹配 / 可视化 / 复现性 / 报告等算法与产物生成。

文件

文件	场景	说明
gitlink_data.py	共享	调 gitlink-cli、解析 envelope、限速、分页、只读 health SQLite
collect.py	共享	各命令的采集器 + 字段归一化（login/repo 全名等）
lineage.py	S1	仓库级科研项目洞悉：提交/分支/PR/文档/实验代码演进 + 创新点
graph_build.py	S2	科研知识图谱（networkx）：节点/边模型 + 主题词典 + mermaid/DOT
repro.py	S3	合规与复现性：license/密钥/依赖/复现清单 + 评分
match.py	S4	科研协作智能匹配：学者画像 × 仓库缺口 TF-IDF + 余弦
report.py	S5	科研进度智能跟踪与预警：周统计 + 里程碑 + 风险阈值
visual.py	S6	科研成果可视化：plotly 时间线/热力/饼/甘特/论文关联
templates/*.j2	全部	jinja2 中文报告模板
test_*.py	—	单元测试（pytest scripts/research/）

安装

pip install -r scripts/research/requirements.txt

环境变量

变量	默认	说明
GITLINK_CLI	gitlink-cli	CLI 可执行路径；本地 Windows 开发可设 ./gitlink-cli.exe
GITLINK_CLI_INTERVAL	0.6	CLI 调用最小间隔（秒），防 API 限流
GITLINK_HEALTH_DB	~/.agents/skills/gitlink-health/data/gitlink_health.db	health SQLite 路径（图谱/匹配读历史协作数据）

数据来源

• 结构化数据：repo/issue/pr/search/user/org/milestone/file/license 等域，输出统一 envelope {ok,data,meta}。
• 提交历史：Raw API gitlink-cli api GET /{owner}/{repo}/commits（shortcuts 无 repo +commits，路径已在 mindspore 仓库核验通过）。
• 历史协作：直接只读 health SQLite（users/repos/issues/pulls/tags 表）。

验证仓库

主验证仓库：mindspore-Ecosystem/mindspore（华为 MindSpore 深度学习框架镜像，真实科研级 AI 框架）： issues≈20346 / PR=9 / 贡献者=6 / star=31，协作数据充足，适合 S2/S4/S5；同时是 Python 研究代码仓库，适合 S1/S3/S6。 S2 知识图谱为多仓库场景，按关键词 search +repos 跨仓库构建。

已核验响应形状（mindspore 实测，供各场景脚本参考）

• repo +info → default_branch/issues_count/pull_requests_count/contributor_users_count/size/clone_url
• repo +contributors[] → login/name/contributions/contribution_perc/email
• issue +list[] → 标题 subject、时间 created_at、status、priority_name、milestone_name、author、number/project_issues_index
• pr +list[] → 标题 title、创建时间 pr_created_unix(秒)、status(0=open/1=merged/2=closed)、reviewers、index
• api GET /commits[] → sha/message/timestamp/author.login/committer.login
• repo +languages → {"Python":"99.7%", ...}

复现

每个场景配一个 skills/<skill>/examples/<scenario>-workflow.sh，串联 CLI → Python → 报告产物， 即赛题要求的「可复现执行脚本」。