# Scientific Agent Skills 发布包 ## 核心事实 - 2026 年 8 月 29 日 GitHub Trending 全球 Today 榜首 Archify 已完成实验，按去重规则选择第二名 Scientific Agent Skills。 - 官方仓库声明包含 163 个科研 Skill。本次只安装并实测 statistical-analysis 与 scientific-visualization。 - 安装命令退出码为 0，没有调用付费模型、数据库或 API。 - 首轮运行因 pandas 报告导出的可选依赖 tabulate 缺失而退出 1。 - 修复后第二轮退出码为 0，20 行真实快照全部保留。 - Spearman rho 为 0.0451，双侧 p 值为 0.8502，10,000 次 bootstrap 的 95% 区间为 -0.3983 至 0.4754。 - 结论只适用于当天 Trending 前 20 个项目，不能解释项目质量、增长原因或未来趋势。 ## X 七条串文 第一条 GitHub Star 越多，当天就涨得越快吗？ 今天我用 Trending 全球 Today 前 20 名做了真实统计。 结果是 Spearman rho 0.045，p 0.850。 这份样本没有给出稳定关系证据。 完整过程还经历了一次真实失败。 第二条 今天榜首还是 Archify，昨天已经做完完整实验，所以按去重规则选择第二名 K-Dense-AI/scientific-agent-skills。 仓库有 163 个科研 Skill。 本次只装两项。 statistical-analysis scientific-visualization 第三条 先写分析计划，再运行。 数据是 2026 年 8 月 29 日 15 时 02 分的 Trending 前 20 名。 采用双侧 Spearman 等级相关。 固定随机种子，做 10,000 次 bootstrap。 20 行全保留，不删点。 第四条 第一轮失败了。 统计已经完成，图也生成了。 错误发生在 Markdown 报告导出。 pandas 的 to_markdown 需要可选依赖 tabulate，当前环境没有。 失败日志原样保留。 第五条 没有为了过关再装依赖。 改用 Python 标准字符串生成表格，第二轮退出码 0。 CSV、JSON、PNG、SVG、分析计划、脚本和运行日志全部交付。 第六条 相对动量前五是 God's Eye View Tailcat TypePHP Go Modern Guidelines Archify Today 排名、累计 Star、当天新增和相对增长是四种不同指标。 第七条 Scientific Agent Skills 适合帮助 Agent 建立分析计划、选择方法、规范图表和写清限制。 安装 163 个 Skill 不等于 163 项都通过。 今天只验证两项，其余 161 项继续标为未实测。 报告 https://jianailab.com/reports/scientific-agent-skills-trending-analysis ## X 作者邀请 Hi @k_dense_ai, Jian AI Lab selected Scientific Agent Skills from today’s GitHub Trending list and ran a reproducible test with the statistical-analysis and scientific-visualization skills. We used a 20-repository Trending snapshot, preserved a real first-run failure, fixed the report export, and published the data, code, chart, and limitations. You are welcome to claim the project page, correct our description, or suggest the next skill workflow to test. https://jianailab.com/reports/scientific-agent-skills-trending-analysis ## 小红书标题与正文 标题 GitHub Star 多就涨得快？我真的算了一遍 正文 今天实验的项目是 Scientific Agent Skills。 它有 163 个科研 Skill，但我没有一口气宣布全部能用，只装了统计分析和科研可视化两项。 真实任务是分析 GitHub Trending 前 20 名。结果很意外。 Spearman 相关系数只有 0.045，p 值 0.850。 今天这 20 个项目里，看不出累计 Star 越多、当天新增越多。 中间还真实失败过一次。统计和图都完成了，Markdown 导出却因为缺少一个可选依赖退出。修复后第二轮才成功。 这次最重要的不是一个数字，而是数据、脚本、失败日志、图和结论边界全部能复查。 图片建议 1. 封面图，Star 多就涨得快吗 2. Trending 榜单前两名 3. 两个 Skill 安装成功 4. 首轮失败日志 5. 最终统计图 #GitHub #开源项目 #AI工具 #数据分析 #AgentSkills ## Instagram 文案 Do repositories with more total GitHub stars gain more stars today? We tested the top 20 projects from GitHub Trending Today using two Scientific Agent Skills. Spearman rho was 0.045 with p 0.850. The 95% bootstrap interval ranged from -0.398 to 0.475. This single-day selected sample did not show a stable monotonic relationship. We also preserved a real first-run failure caused by an optional Markdown export dependency. Data, code, chart, and limitations are included in the report. #GitHub #OpenSource #DataAnalysis #AgentSkills #AIAgent ## TikTok 文案 GitHub Star 多的项目，今天一定涨得快吗？ 我把 Trending 前 20 名真的算了一遍。 rho 只有 0.045，p 值 0.850。 今天这份样本不支持那个常见直觉。 第一轮还因为隐藏依赖失败，修复后第二轮才完成。 完整数据和图都在剑的 AI 实验室。 ## 知乎图文回答 问题建议 GitHub Trending 的排名和 Star 数量应该怎样看？ 回答 不要把 Today 排名、累计 Star、当天新增和相对增长率混成一个指标。 我用 2026 年 8 月 29 日 GitHub Trending 全球 Today 前 20 个项目做了双侧 Spearman 相关分析。累计 Star 与当天新增 Star 的 rho 为 0.045，p 值为 0.850，10,000 次 bootstrap 的 95% 区间为 -0.398 至 0.475。 对这份单日样本，没有看到累计 Star 越多、当天新增越多的稳定单调关系。 这不代表整个 GitHub 永远没有关系。Trending 本身已经筛选过项目，样本只有 20 个，区间也很宽。它只能说明今天这批项目不支持那个简单判断。 看项目时至少要分开记录历史规模、当天新增、相对增长、维护状态、许可证和真实使用结果。热度适合发现项目，实验才决定它是否值得采用。 ## DEV 英文长文 # We Tested Whether More GitHub Stars Mean Faster Daily Growth GitHub Trending makes it easy to assume that established repositories keep growing faster simply because they already have more stars. We tested that assumption using a snapshot of the global GitHub Trending Today top 20 captured on August 29, 2026 at 15:02 UTC+8. The experiment also served as a real test of two skills from K-Dense-AI/scientific-agent-skills, statistical-analysis and scientific-visualization. ## Method The analysis plan was written before execution. We kept all 20 repositories, used a two-sided Spearman rank correlation, and ran 10,000 bootstrap iterations with a fixed seed of 20260829. The auxiliary momentum metric was stars today divided by total stars. It was descriptive only. ## A real first-run failure The first run exited with code 1. The statistics and charts had already been generated, but the Markdown report export called pandas.to_markdown and required the optional tabulate package. We preserved the failure log and replaced that export step with a standard Python string table. No extra dependency was added. The second run exited with code 0. ## Result Spearman rho was 0.0451 and the two-sided p value was 0.8502. The 95% percentile bootstrap interval ranged from -0.3983 to 0.4754. This selected one-day sample did not provide evidence of a stable monotonic relationship between total stars and stars gained today. The top five repositories by relative momentum were bilawalsidhu/gods-eye-view, tailscale/tailcat, swoole/typephp, JetBrains/go-modern-guidelines, and tt-a1i/archify. ## What this does not prove The sample was small and selected by the Trending mechanism. The result does not describe all GitHub repositories, explain causality, measure code quality, or predict future growth. ## What we learned about Scientific Agent Skills The repository is useful as a library of reusable scientific workflows. It can help an agent define a question, choose a method, document assumptions, build a chart, and state limitations. Installing 163 skills does not validate 163 scientific workflows. This experiment tested only two. The remaining skills may have different network, package, database, model, privacy, and domain-review requirements. The complete experiment includes the original snapshot, analysis plan, reproducible script, enhanced CSV, JSON summary, PNG, SVG, export manifest, failure log, and final report. Project https://github.com/K-Dense-AI/scientific-agent-skills Report https://jianailab.com/reports/scientific-agent-skills-trending-analysis ## 发布状态 - X 串文已准备，未发布 - X 作者邀请已准备，未发送 - 小红书图文已准备，未发布 - Instagram 文案已准备，未发布 - TikTok 文案已准备，未发布 - DEV 英文长文已准备，未发布 - YouTube 标题、口播和镜头表已准备，未上传 - 抖音标题与说明已准备，未上传 - 知乎图文与视频简介已准备，未进入草稿箱 ## 需要本人完成 1. 按视频制作包录制中文口播 2. 录制 Trending、官方仓库、终端和网站五区画面 3. 使用统计图与网站画面剪辑主视频 4. 发布 YouTube、抖音和知乎