Github Trends®
9675 findingsmedian surprise 0.00741window 30 days
UNIT / TREND-MONITOR · REV 2.6
[ 30 days window ]
SOURCE: own snapshots
FINDING #5168 · UNIT ID 1129786550
teng-lin/notebooklm-py
Unofficial Python API and agentic skill for Google Gemini Notebook. Full programmatic access to Gemini Notebook's features—including capabilities the web UI doesn't expose—via Python, CLI, and AI agents like Claude Code, Codex, and OpenClaw.
[ PYTHON ][ GITHUB ↗ ]
SURPRISE SCORE
0.00

Score Breakdown

SURPRISE0.00324
ENGAGEMENT0.40
FRESHNESS1.32
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
2% OF STARS IN ARCHIVE

Growth Telemetry

VELOCITY /D
10.47
ACCEL
-0.40
RETENTION
18.2%
PEAK 2026-09-29 · FORK-RETENTION 38.5% · 314 STARS / WINDOW

Author Audience

AUDIENCE
3,194
FOLLOWERS
1,113
OWNER ★
20,808

Engagement Signals

FORKS
2,635
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 314 / 314 (DIVERSITY 1.00)

Why This Is A Finding

teng-lin/notebooklm-py собрал 314 звёзд за окно, тогда как у автора всего 1,113 подписчиков — эффективная аудитория ≈ 3,194. Это даёт surprise-индекс 0.00324 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 38.5% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация отрицательная — внимание остывает после пика.

METRICS IN CONTEXT

MEDIAN ACROSS ALL 9675 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 47%
VELOCITY10.473.80+6.67ABOVE 79%
RETENTION18.2%20.3%-2.0 PPABOVE 45%
FORKS2,635138+2,497ABOVE 95%
SURPRISE0.000.01-0.00ABOVE 32%