Github Star Manager

GitHub Stars Manager

前置准备与配置

• 凭证需求: GitHub Token（支持 GitHub CLI 本地自动获取，或 Classic PAT / Token 包含 public_repo + read:user + user scope）。
• 环境要求: Python >= 3.6，pip install requests (>= 2.28)。
• 配置来源 (级联解析): 不再强制依赖 Skill 目录内的 .env，而是按以下优先级依次读取（每个 key 取最高优先级来源；已存在的真实环境变量永不覆盖）：
  1. 进程环境已有的变量（WorkBuddy/连接器注入的 GITHUB_TOKEN、shell 环境变量）；
  2. GH_STAR_MANAGER_ENV 指向的显式 .env 路径（可指向 WorkBuddy 托管的密钥文件）；
  3. 用户级 ~/.gh-star-manager/.env（随用户在各工作区/项目间通用）；
  4. Skill 根目录 .env（仅作向后兼容遗留）；
  5. GitHub CLI 本地凭证（自动获取）: 若上述均未配置，自动执行 gh auth token 读取本地 CLI 登录状态，实现零配置/免手动创建 Token。
• 凭证推荐: 首选本地登录 GitHub CLI (gh auth login) 或由 WorkBuddy/shell 注入环境变量。
• 工作目录隔离: 所有会话中间产物（stars.json、review_plan.json、review.html 等）与状态文件统一落在专用工作目录 ~/.gh-star-manager/（可用 GH_STAR_MANAGER_WORKDIR 覆盖为任意 WorkBuddy 托管路径），绝不污染当前项目目录。执行脚本时请把 -o 输出路径指向该目录。
• 交互模式 (GH_STAR_MANAGER_REVIEW_MODE):
  • chat（WorkBuddy 推荐）: 不启动浏览器，由 Agent 在对话中呈现方案摘要、征求明确授权后直接调用 CLI 写回，最贴合 Agent 循环；
  • static: build_review.py 生成 review.html，由 Agent 通过 present_files 内联预览，用户在对话中确认；
  • server（仅独立桌面场景）: 旧版本地 Web 服务自启自毁，Agent 环境不建议使用。
• 写操作闸门: 任何写回/改动操作执行前，必须依次完成：Checkpoint(自动备份) -> 展示方案 -> 明确授权确认。
• 安全边界:
  • 高星保护: star 数 ≥ 5000 的 repo 默认排除在 unstar 之外；单次 unstar 上限 50 项。
  • 凭证隔离: GITHUB_TOKEN 仅留存环境变量与 .env，严禁随 JSON、日志或 CLI 参数暴露。

配置自愈 (Self-Healing)

若脚本报 Missing GITHUB_TOKEN 或 401 Unauthorized:

1. 优先提示用户运行 gh auth login 或输出 https://github.com/settings/tokens 向用户询问 Token；
2. 写入用户级 ~/.gh-star-manager/.env（GITHUB_TOKEN=ghp_xxx，目录不存在时自动创建）；
3. 自动重跑先前失败的命令，无需用户重复指示。

在 WorkBuddy 中自由使用

该 Skill 已与 WorkBuddy 的运行环境解耦，无需把密钥写进 Skill 目录即可随处调用：

• 方式零（零摩擦，最推荐）: 本地登录过 GitHub CLI (gh auth login)，Skill 即可通过 gh auth token 静默获取凭证。
• 方式一（零配置）: 在 WorkBuddy 连接器页连上 GitHub 连接器。连接后 GITHUB_TOKEN 由 WorkBuddy 托管并自动注入脚本环境。
• 方式二（零文件）: 在 shell 启动脚本或 WorkBuddy 的环境变量配置里设置 GITHUB_TOKEN。
• 方式三（随用户通用）: 创建 ~/.gh-star-manager/.env，所有工作区/项目共用同一份配置。
• 方式四（指向托管密钥）: 设置环境变量 GH_STAR_MANAGER_ENV=/path/to/secret.env。

操作流程 (Steps)

步骤 1: 凭证验证与状态同步

脚本位于本 Skill 目录下（通常为 ~/.workbuddy/skills/github-star-manager/scripts/），执行时请使用 Skill 的绝对路径；所有 -o 输出请指向工作目录 ~/.gh-star-manager/。

python <skill_dir>/scripts/star_ops.py user; python <skill_dir>/scripts/star_ops.py check-scopes
python <skill_dir>/scripts/fetch_stars.py --sync -o ~/.gh-star-manager/stars.json
python <skill_dir>/scripts/github_lists.py list -o ~/.gh-star-manager/lists.json

完成准则: can_create_lists 为 true；fetch_stars.py 与 github_lists.py 返回 status: success（退出码 0）。

步骤 2: 生成方案 (review_plan.json)

先读取用户画像 python <skill_dir>/scripts/state.py dump-profile。依据用户意图选择对应分支：

• 全量整理分支 (mode: organize):

  • 运行 python <skill_dir>/scripts/generate_review_plan.py --plan-mode organize -o ~/.gh-star-manager/review_plan.json；
  • 详细分类策略、意图驱动标签锁定 (FROZEN)、解散泛化标签与预设模式（STARS_ORGANIZE_MODE）严格遵循 references/analysis-guide.md；
  • 产出包含建议 List 归属与 unstar 建议的 review_plan.json。

• 批量导入分支 (mode: import):

  • 将待评估 repo 写入 ~/.gh-star-manager/new_repos.json 格式 ["owner/repo", ...]；
  • 抓取摘要: python <skill_dir>/scripts/repo_insight.py --input-file ~/.gh-star-manager/new_repos.json -o ~/.gh-star-manager/insights.json；
  • 运行 python <skill_dir>/scripts/generate_review_plan.py --plan-mode import --insights-file ~/.gh-star-manager/insights.json -o ~/.gh-star-manager/review_plan.json 产出包含建议 List 归属的 review_plan.json。

完成准则: 成功生成符合契约规范的 review_plan.json。

步骤 3: 方案确认与写回 (WorkBuddy 原生流程)

在 WorkBuddy 的 Agent 循环里，不启动本地浏览器服务，而是用对话驱动，三种模式按 GH_STAR_MANAGER_REVIEW_MODE 选择：

• (推荐) chat 模式: 直接读取 ~/.gh-star-manager/review_plan.json，在对话中以清晰列表呈现建议（新建/合并 List、unstar 清单、标星归类），明确列出将要执行的写操作；得到用户显式授权后，严格遵循写操作闸门（先备份再执行），依次调用 github_lists.py 与 star_ops.py 批处理 CLI 完成写回（写回细节见 references/analysis-guide.md）。

• static 模式 (可视化预览): 生成可交互 HTML 供用户在对话内预览与核对：

  python <skill_dir>/scripts/build_review.py --plan-file ~/.gh-star-manager/review_plan.json --output ~/.gh-star-manager/review.html
  

  随后用 present_files 将 review.html 内联预览给用户；用户在对话中确认或调整，Agent 再按授权执行 CLI 写回。

• server 模式 (仅独立桌面): python <skill_dir>/scripts/review_server.py --plan-file ~/.gh-star-manager/review_plan.json 启动本地 Web 服务并自动开浏览器、确认后强制先备份再执行并 3 秒自毁。Agent 环境不要使用此模式。

完成准则: 用户在对话中明确授权后，CLI 写回成功（备份已完成、退出码 0）；或 static 模式下用户确认且 Agent 已执行授权写回。

步骤 4: 偏好蒸馏 (Preference Distillation)

交互结束后，对比用户最终方案与原始建议，将差异总结为偏好规则追加至画像：

python scripts/state.py add-preference "规则描述"

步骤 5: 备份与恢复 (可选)

查看与加载备份、恢复 stars/List 归属的具体 CLI 指令见 references/analysis-guide.md#备份与恢复流程。

异常降级与资源索引

• GraphQL API 变更: 降级为输出 Markdown/Awesome-list 结构化报告。
• 服务启动失败: 降级至静态模式 (build_review.py) 导出 JSON 执行。
• 资源索引: scripts/fetch_stars.py | scripts/github_lists.py | scripts/star_ops.py | scripts/review_server.py | scripts/state.py