FINDING #2315 · UNIT ID 1180445240
Haozhe-Xing/agent_learning
A systematic AI Agent development tutorial covering LLM agents, RAG, tool use, memory systems, multi-agent systems, LangChain, LangGraph, MCP, and agentic RL.｜从零开始学 AI Agent 开发 | 系统、全面、实战导向的 Agent 开发教程 | 每日自动追踪 arXiv 最新论文 | Learn AI Agent Development from Scratch
SURPRISE SCORE
0.00
Score Breakdown
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
4% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
3.14
ACCEL
-0.43
RETENTION
20.0%
PEAK 2026-09-17 · FORK-RETENTION 0.0% · 22 STARS / WINDOW
Author Audience
AUDIENCE
83
FOLLOWERS
24
OWNER ★
589
Engagement Signals
FORKS
85
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 22 / 22 (DIVERSITY 1.00)
Why This Is A Finding
Haozhe-Xing/agent_learning собрал 22 звёзд за окно, тогда как у автора всего 24 подписчиков — эффективная аудитория ≈ 83. Это даёт surprise-индекс 0.0256 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 0.0% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация отрицательная — внимание остывает после пика.
Related Findings
RANKS ABOVE 76% OF 9757 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 9757 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.010.00+0.01ABOVE 76%
VELOCITY3.143.86-0.71ABOVE 42%
RETENTION20.0%32.1%-12.1 PPABOVE 28%
FORKS8572+13ABOVE 54%
SURPRISE0.030.01+0.01ABOVE 70%