从零搭建 GitHub 热点监控系统：用 Python、GitHub Actions 和 AI 构建 SaaS 商业情报雷达
本文定位： 一篇面向开发者、独立创业者和 SaaS 产品构建者的技术实战与架构思考文章。不是功能宣传页，也不是简单的安装说明，而是完整解释为什么这样设计、如何实现、如何验证、哪里还不够好。
写在前面：我为什么要做这套系统？
做 SaaS 产品之前，最耗时间的事情往往不是写代码，而是判断“应该写什么代码”。
每天 GitHub 都有大量项目出现：有的代表新的技术范式，有的解决具体的工程痛点，有的只是一场短暂的传播热点。如果每天靠人工刷 Trending，很难回答三个关键问题：一个项目到底增长了多少？它具体解决什么问题？它是否意味着真实的商业机会？
于是我尝试搭建一个完全运行在 GitHub 上的自动化系统：每天自动搜索仓库、保存带时间戳的 Star 数据、生成 Markdown 报告、做中文解读和 SaaS 商机初筛，再把结果通过 Gmail 送进邮箱。系统不需要我维护一台全天在线的服务器。
最终，项目从一个 Python 脚本演化成了一个可持续运行的情报流水线。这篇文章会从工程实现、数据可信度、架构取舍和商业研究方法四个角度拆开讲。