通过GitHub API对工程师进行画像 | AI生成和翻译
这是一个很好的问题。以下是一个通过公开API对工程师进行画像的系统框架：
=== 如何通过 GitHub 了解一位工程师 ===
1. PROFILE API -- /users/{name}
curl -s 'https://api.github.com/users/{name}'
可获取的信息：
- bio: 自我介绍（通常是一句话的身份描述）
- location: 所在地
- company: 当前雇主
- blog: 个人网站（需深入查看）
- created_at: 加入 GitHub 的时长
- public_repos / followers / following:
比例可看出是生产者还是消费者
（仓库多、关注者少 = 创造者，而非推广者）
2. REPOS API -- /users/{name}/repos?sort=stars&per_page=100
curl -s 'https://api.github.com/users/{name}/repos?sort=stars&direction=desc'
可获取的信息：
- Languages: 实际使用的编程语言（而非自称的语言）
- Stars: 社区对其作品的认可度
- Descriptions: 他们如何理解自己的工作
- Topics: 自我标注的领域标签
- pushed_at: 是否仍活跃？还是自2020年起就停滞了？
- Forks vs originals: 是贡献者还是原创者？
值得关注的模式：
- Dotfiles/config 仓库 = 工具控
- 大量教程/速查表仓库 = 学习者/分享者
- 一个大型项目 vs 多个小型项目 = 深度 vs 广度
- 热门项目的 fork = 向上游贡献
3. STARS API -- /users/{name}/starred?per_page=30
curl -s 'https://api.github.com/users/{name}/starred?per_page=30'
这是「宝藏」。Star 信息揭示：
- 他们渴望构建什么（愿景兴趣）
- 正在投资哪个技术生态
- 对工具和框架的品味
- 新兴兴趣点（最近加星的项目）
通常比仓库更真实——仓库展示的是已完成的作品，
Star 展示的是真正在意的东西。
4. EVENTS API -- /users/{name}/events?per_page=30
curl -s 'https://api.github.com/users/{name}/events?per_page=30'
可获取的信息：
- Recent activity: 现在正在做什么
- Push events: 正在积极开发的仓库
- Issue/PR activity: 团队协作还是单打独斗？
- Watch events: 关注了哪些社区
5. ORGS API -- /users/{name}/orgs
curl -s 'https://api.github.com/users/{name}/orgs'
可获取的信息：
- 公司/团队归属
- 所属的开源社区
- 职业社交网络
6. FOLLOWERS/FOLLOWING -- /users/{name}/followers
展示其职业社交网络图谱。
关注TA的人 = 认可TA工作的人。
TA关注的人 = TA学习模仿的对象。
7. 个人网站 -- 个人资料中的 {blog}
如果有博客/笔记（如 .github.io）：
- 文字能体现思考深度
- 主题能展示真正愿意写的内容
- 技术文章 > "学习心得"类文章，更能体现技能水平
- 发文频率体现持续性
8. 语言分布
不要只看仓库总数——要看最近的仓库。
一个开发者有20个Java仓库但最近3个是Rust，
那他现在就是Rust开发者，而非Java开发者。
语言时间线 = 数据中可见的职业发展轨迹。
9. 仓库命名与描述
- 专业描述 = 大厂背景
- 表情符号/俏皮描述 = 创业/开源文化
- 中文描述 = 可能base中国，双语背景
- 学术术语 = 科研背景
- 无描述 = 只管交付，不善营销
10. 贡献图（不在API中，但可见）
github.com/{name} 显示绿色方块：
- 连续不断 = 自律的日常编码者
- 突增突减 = 项目驱动、截止日期驱动
- 空白期 = 换工作、倦怠期或做副业
- 周末活动 = 热情项目时间
=== 各信息源揭示的内容 ===
数据源 | 揭示内容
----------------+----------------------------------
Profile bio | 自我身份认同（一句话）
Repos | 搭建了什么
Stars | 欣赏/向往什么
Events | 现在在做什么
Orgs | 与谁共事
Followers | 谁认可他们
Blog | 如何思考
Languages | 实际使用什么
Topics | 关心哪些领域
Forks | 向什么贡献
Stars（近期） | 正在学习什么
Created_at | 资历（平台使用年限）
=== 共同兴趣检测 ===
比较两位工程师：
1. 语言重叠 --> 共享技术栈
2. Star 重叠 --> 共同兴趣（最强信号）
3. 主题重叠 --> 相同领域
4. 共同组织 --> 相同社区
5. 共同关注者 --> 职业圈重叠
Star 重叠是最真实的信号，因为：
- 人们只给自己真正感兴趣的项目加星
- 没有社交压力（Star 相对私密）
- 展示的是愿景，而非过去的工作成果
核心洞察：Stars > Repos 更能了解一个人的兴趣。Repos 展示的是他们在各种限制（工作、时间、机会）下完成的作品。Stars 展示的是他们真正在意的东西——发自内心的好奇心。当我分析 nocmk2 时，他加星的项目（hermes-agent, openclaw, langfuse, opencode）比他的55个仓库（许多是空仓库或 fork）更清晰地描绘了他对 AI 代理的痴迷。
想要我把这个变成一个可重复使用的脚本或技能，能自动为任何 GitHub 用户画像吗？