← 返回列表

新工具 GitHub · zhuyansen/new-term-radar

用 new-term-radar 每天抓出刚出现的 AI 新名词

下载 new-term-radar，复制示例配置，运行一次日报，得到一份 Markdown 报告，列出近 14 天在 GitHub 上突然走红的新项目名和工具目录里新出现的词。

开始尝试

效果

本站验证时的实际输出（免费模式）：报告列出 15 个候选新词，例如 digup（ARahim3/DigUp）、anatomy（wheresryan22/anatomy），附星标与日增星；“判名”一节显示缺少 AIsa 密钥。星标数每天变化（02:49 UTC 第一轮 digup ★4604、09:25 UTC 重跑 ★4651）。没有图片，用实际报告摘录代替。

这是什么

新在哪里：以前追新 AI 名词靠刷 X、Hugging Face 和 GitHub 趋势页，人工判断哪些是新名字；现在这个项目把 GitHub 新仓库爆发、AI 工具目录 sitemap 等免费信号合成一份每日报告，配了 AIsa 密钥后还会让模型判断哪些是真正的新名称。

怎么做到的：radar 是一个只用 Python 标准库的命令行程序。python -m radar daily 依次抓取几类信号（GitHub 近 14 天创建、按日增星排序的仓库；示例配置里 8 个 AI 工具目录的 sitemap；可选的 X、Search Console），对比前一天的快照，再输出 report.md。第一次运行只有 GitHub 爆发能报出来，其他信号要第二天起才有对比。仓库也提供 3 个 Agent Skill 和一个 MCP 服务器。

适合谁
需要追踪 AI 新名词、新项目的内容或产品运营
能帮你
每天一份可复现的新名词候选清单

评分 三项分开看，不合成总分；热度不等于好用

新颖性
全新做法 · 2026-10-12 出现仓库 2026-10-12 创建
热度
未知
易上手
很容易上手本站 2026-10-18 在 Linux 容器完成免费模式最小尝试；AI 判名未验证
怎么评的

三项都由本站记录的事实按固定规则算出，编辑不能直接改档位；规则改动会写进更新说明。

新颖性

  • ●●● 全新做法，且有来源依据的出现时间在最近 30 天内
  • ●●○ 老工具新用法或近期刚开放，且有来源依据的时间在最近 30 天内
  • ●○○ 出现时间超过 30 天、未核实到精确日期，或已不再是新做法
  • 其他 出现时间未核实、晚于今天，或新颖类型未核实时按最低一档处理，不靠猜测加分

热度

  • ●●● 最近一次每周人工确认为“热门”：最近 14 天里独立讨论、实际案例、持续时间、传播平台、相对关注五项门槛全部满足（规则 heat-v1）
  • ●●○ 最近一次人工确认为“观察中”：前三项至少一项达到，或讨论增长 ≥ 50%，且至少 2 个独立案例
  • ●○○ 最近一次人工确认为“未进入跟踪”
  • 其他 还没有人工确认过的热度记录时显示“未知”。热度只统计本站已接入的信源，不代表全网

易上手

  • ●●● 准备门槛低且难度入门：不需要新账号或付费，首次尝试不超过 30 分钟，公开可用，会复制粘贴即可
  • ●●○ 准备门槛中等，或门槛低但需要改少量代码或配置
  • ●○○ 准备门槛高：需要商业软件或付费服务、首次尝试超过 2 小时、特殊硬件或网络、排队或邀请且无替代方案，或需要专业知识
  • 其他 只有介绍、还没有站内步骤，或关键步骤已失效时显示“暂不可试”；门槛未核实时显示“未核实”

怎么尝试

  • 时间 首次约 15 分钟
  • 费用 免费：免费信号免费；可选的 AI 判名需要 AIsa 账号并按量付费（本站未使用）
  • 账号 不需要新账号
  • 环境 Python 3.10 或更高（本站验证用 3.12.15）、Git
  • 准备 Python 3.10 或更高：运行 radar（只用标准库）
  • 准备 Git：下载仓库
  • 准备 AIsa 密钥（选用）：可选：让模型判断哪些是新名称（按量付费）

按下面的步骤就能做出第一个结果。复制命令不会自动执行。

  1. 确认 Python 与 Git

    在终端运行下面两条命令。

    终端（Linux）本站编写 
    python3 --version && git --version

    预期结果：Python 3.10 或更高；git 输出版本号。

  2. 下载仓库

    命令来自 README 的 Quick start。

    终端（Linux）原始来源命令 
    git clone https://github.com/zhuyansen/new-term-radar && cd new-term-radar

    预期结果：当前目录下有 radar 文件夹和 config.example.json。

  3. 复制示例配置

    示例配置已经写好 8 个 AI 工具目录和几个话题；先不填 X 账号，也不设 AIsa 密钥。

    终端（Linux）原始来源命令 
    cp config.example.json config.json

    预期结果：当前目录出现 config.json。

  4. 运行一次日报

    首次运行约 5 分钟，会先建立各信号的快照。

    终端（Linux）原始来源命令 
    python3 -m radar daily --out report.md

    预期结果：命令结束后生成 report.md；末尾提示 no AIsa key，这是免费模式的正常提示。
    判断完成的方法：打开 report.md，能看到 “Candidate new terms” 表格和 “Single-repo breakouts” 表格，各有若干行。

原始来源：GitHub 仓库 new-term-radar（README 与 Quick start） ↗