一、專案簡介

在學習 AI 與軟體工程的過程中，我經常需要到 GitHub 尋找值得研究的開源專案，無論是作為學習資源、技術參考，或是了解最新的技術趨勢。然而，每次都必須花費大量時間搜尋、篩選、比較不同 Repository，才能找到自己需要的內容。

我希望把這些重複且耗時的工作交給系統完成，因此開發了 RepoScout -- 一個好用的 github 知識庫。

系統目前設定為每週自動搜尋 GitHub 熱門專案，涵蓋 LLM、AI Agent、RAG、MCP 等多個技術領域，並透過自動評分、分類與增量更新機制，將值得關注的 Repository 整理成結構化的 Notion 知識庫。

二、功能特點

* 自動追蹤技術趨勢
每月針對 LLM、AI Agent、RAG、MCP 等二十餘個技術主題，自動搜尋最新開源專案。
* 篩選與品質評估
綜合 Star、Fork、最近更新時間、License 與 Repository 完整度等指標，建立 Trust Score 作為專案品質參考。

• 更新機制

透過 Repository ID 與 pushed_at 時間戳進行差異比對，自動辨識新專案與既有專案更新，避免重複建立資料。
* 自動分類知識庫
根據 Repository 類型，自動同步至不同 Notion 資料庫，同時維護一份完整的總覽索引，方便後續搜尋與瀏覽。

主/子資料庫雙重寫入機制

1. 主庫寫入：新專案透過 Loop Over Items 批次寫入主 Notion 資料庫，打上當次的主題標籤 (category)。
2. 按類型分庫：透過 Code_4 / Code_ 提煉必備欄位後，由 Code in JavaScript 按 type 分組為 主應用程式、函式庫、工具、外掛套件 四大陣列，經 Split Out 與 Filter 分流寫入獨立的 Notion 子資料庫。

三、20 大主題類別

系統於 Code 節點寫入20組固定資訊，每次執行時自動疊加 created:>${sinceDate} fork:false：

1. LLM 核心 / 基礎模型: "large language model" OR LLM OR "foundation model"
2. AI Agent / 多智能體: "ai agent" OR "multi-agent" OR autonomous-agent
3. AI Skills / 技能模組: topic:skills OR "ai skill" OR "agent skill"
4. RAG / 知識檢索: RAG OR "retrieval augmented" OR "vector search"
5. Prompt Engineering: "prompt engineering" OR "prompt template"
6. AI 自動化 / 工作流: "ai automation" OR "ai workflow" OR n8n OR agentic-workflow
7. MCP / 工具協議: "model context protocol" OR MCP-server
8. LLM 應用程式（主程式）: "llm app" OR "ai application" OR chatbot
9. 外掛 / 套件 / Plugin: topic:plugin "ai plugin" OR "llm plugin"
10. 電腦視覺 / 影像: "computer vision" OR "image recognition" OR object-detection
11. 光學 / 光子學: optics OR photonics OR "optical simulation"
12. 電子 / 嵌入式: embedded OR firmware OR "electronics design"
13. 語音 / 音訊 AI: "speech recognition" OR "voice ai" OR "text to speech"
14. 多模態 AI: "multimodal ai" OR "vision language model"
15. 代碼生成 / Coding AI: "code generation" OR "ai coding" OR copilot
16. 數據分析 / 科學計算: "data analysis" OR "scientific computing" OR data-science
17. 機器人 / 控制: robotics OR "robot control" OR ros2
18. 開源工具 / CLI: "cli tool" OR "command line" OR devtools
19. 評估 / 基準測試: benchmark OR "llm evaluation" OR eval-framework
20. 其他 AI 基礎設施: "ai infrastructure" OR "mlops" OR "model serving"