Github Trends®
9789 findingsmedian surprise 0.00728window 7 days
UNIT / TREND-MONITOR · REV 2.6
[ 7 days window ]
SOURCE: own snapshots
FINDING #7462 · UNIT ID 838542536
humanlayer/humanlayer
The best way to get AI coding agents to solve hard problems in complex codebases.
[ TYPESCRIPT ][ ORG ][ GITHUB ↗ ]
SURPRISE SCORE
0.00

Score Breakdown

SURPRISE0.000775
ENGAGEMENT0.30
FRESHNESS1.00
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
1% OF STARS IN ARCHIVE

Growth Telemetry

VELOCITY /D
9.43
ACCEL
-3.00
RETENTION
19.0%
PEAK 2026-09-08 · FORK-RETENTION 0.0% · 66 STARS / WINDOW

Author Audience

AUDIENCE
12,129
FOLLOWERS
1,594
OWNER ★
44,707

Engagement Signals

FORKS
948
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 66 / 66 (DIVERSITY 1.00)

Why This Is A Finding

humanlayer/humanlayer собрал 66 звёзд за окно, тогда как у автора всего 1,594 подписчиков — эффективная аудитория ≈ 12,129. Это даёт surprise-индекс 0.000775 (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.

METRICS IN CONTEXT

MEDIAN ACROSS ALL 9789 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 24%
VELOCITY9.433.43+6.00ABOVE 78%
RETENTION19.0%37.5%-18.5 PPABOVE 24%
FORKS948120+828ABOVE 90%
SURPRISE0.000.01-0.01ABOVE 14%