Agent skill
github-expert-search
GitHub 전문 검색 & 오픈소스 분석 - 개발 즉시 활용 가능
Install this agent skill to your Project
npx add-skill https://github.com/ljchg12-hue/dotfiles/tree/main/skills/github-expert-search
SKILL.md
GitHub Expert Search - 오픈소스 전문 검색 & GitHub 관리
개요
GitHub Expert Search는 오픈소스 검색부터 GitHub 저장소 관리까지 모든 것을 통합한 전문 스킬입니다. 단순히 저장소를 찾는 것이 아니라, 개발에 바로 사용할 수 있는 형태로 분석하고 제공합니다.
핵심 특징:
- 🔍 목적 기반 오픈소스 검색: "비동기 웹 프레임워크" → FastAPI 추천 + 즉시 사용
- 🟢🟡🟠🔴 신뢰도 라벨: 저장소 품질 자동 평가
- 📊 활성도 분석: 유지보수 상태, 커밋 빈도, 커뮤니티 활성도
- ⚡ 즉시 사용: 설치 명령어, 코드 예제, 설정 파일
- 🔄 비교 분석: 여러 오픈소스 후보 비교표
- 🛠️ GitHub 관리: Repository, PR, Issue, Actions
핵심 기능
1. 오픈소스 전문 검색
목적 기반 검색:
Input: "Python 비동기 웹 프레임워크 추천"
Output:
🟢 **확인됨 (Production-Ready)** | 검증 시간: 8분
## 추천: FastAPI
### 핵심 정보
- **Stars**: 68,523 (Python 웹 프레임워크 상위 0.5%)
- **활성도**: 매우 높음 (주간 커밋 50+)
- **유지보수**: 활발 (마지막 커밋: 2일 전)
- **성숙도**: Production-ready (v0.109.0)
- **커뮤니티**: Discord 8k+, GitHub Discussions 활발
### 즉시 사용
#### 설치
```bash
pip install fastapi[all]
기본 예제 (복사 가능)
from fastapi import FastAPI
app = FastAPI()
@app.get("/")
async def root():
return {"message": "Hello World"}
@app.get("/items/{item_id}")
async def read_item(item_id: int):
return {"item_id": item_id}
실행
uvicorn main:app --reload
# http://127.0.0.1:8000 에서 확인
# http://127.0.0.1:8000/docs 에서 자동 문서 확인
비교 분석
| 항목 | FastAPI | Django | Flask |
|---|---|---|---|
| Stars | 68k | 75k | 65k |
| 비동기 | ✅ 네이티브 | ⚠️ 부분 | ⚠️ 확장 필요 |
| 속도 | 빠름 | 중간 | 중간 |
| 학습 곡선 | 쉬움 | 어려움 | 매우 쉬움 |
| 자동 문서 | ✅ | ❌ | ❌ |
| 타입 힌트 | ✅ | ⚠️ | ❌ |
선택 가이드
✅ FastAPI 추천 조건:
- 비동기 처리 필요
- 자동 문서 생성 원함
- 타입 안정성 중요
- 빠른 API 개발
⚠️ 대안 고려:
- 대규모 monolithic: Django
- 극단적 단순함: Flask
추가 리소스
- 공식 문서: https://fastapi.tiangolo.com
- GitHub: https://github.com/tiangolo/fastapi
- 튜토리얼: https://fastapi.tiangolo.com/tutorial
- Discord: https://discord.gg/VQjSZaeJmf
**기술스택 기반 검색**:
Input: "Rust로 된 고성능 HTTP 클라이언트"
Output: 🟢 확인됨 | 검증 시간: 6분
추천: reqwest
[저장소 분석 + 즉시 사용 + 비교]
### 2. 저장소 품질 평가
**신뢰도 라벨 기준**:
🟢 **Production-Ready** (3개 이상 만족):
- Stars 10k+ 또는 해당 카테고리 상위 5%
- 주간 커밋 3+ (최근 1개월)
- 마지막 릴리즈 3개월 이내
- Issues 응답률 80%+ (1주일 이내)
- Documentation 완비 (README + Wiki/Docs)
- CI/CD 설정됨
- License 명시
🟡 **Stable** (2-3개 만족):
- Stars 1k+ 또는 해당 카테고리 상위 20%
- 월간 커밋 3+
- 마지막 릴리즈 6개월 이내
- Issues 응답률 50%+
🟠 **Early Stage** (1-2개 만족):
- Stars 100+ 또는 활발한 개발 중
- 분기별 커밋 있음
- 기본 문서 있음
🔴 **Not Recommended**:
- 1년 이상 방치
- 심각한 보안 이슈 미해결
- 문서 부재
### 3. 활성도 분석
**자동 분석 항목**:
활성도 분석
커밋 활동
- 주간 평균 커밋: 52회
- 기여자 수: 238명
- 마지막 커밋: 2일 전
- 평가: ✅ 매우 활발
이슈/PR 관리
- 열린 이슈: 120개
- 평균 응답 시간: 1.2일
- PR 병합률: 87%
- 평가: ✅ 적극적 관리
커뮤니티
- GitHub Discussions: 활발
- Discord: 8,523명
- Stack Overflow: 1,200+ 질문
- 평가: ✅ 강력한 커뮤니티
릴리즈 주기
- 최신 버전: v0.109.0 (2025-10-20)
- 릴리즈 빈도: 월 2-3회
- SemVer 준수: ✅
- 평가: ✅ 안정적 릴리즈
종합 평가
🟢 Production-Ready
- 활발한 개발
- 신속한 이슈 대응
- 강력한 커뮤니티
- 정기적 릴리즈
### 4. 즉시 사용 패키지
**표준 출력 형식**:
즉시 사용
설치
[언어별 패키지 관리자 명령어]
기본 설정
[config 파일 또는 초기화 코드]
Minimal 예제 (복사 가능)
[5-10줄 동작 코드]
실전 예제 (복사 가능)
[실무에서 바로 쓸 수 있는 20-30줄 코드]
자주 쓰는 패턴
[Best practices 3-5개]
문제 해결
[흔한 오류 3-5개 + 해결법]
### 5. 비교 분석
**여러 후보 비교**:
Input: "Python 웹 크롤링 라이브러리 비교"
Output: 🟢 확인됨 | 검증 시간: 10분
비교: Scrapy vs BeautifulSoup vs Selenium
비교표
| 항목 | Scrapy | BeautifulSoup | Selenium |
|---|---|---|---|
| Stars | 51k | 59k | 29k |
| 속도 | 매우 빠름 | 빠름 | 느림 |
| 학습 곡선 | 중간 | 쉬움 | 중간 |
| JS 렌더링 | ❌ | ❌ | ✅ |
| 비동기 | ✅ | ❌ | ❌ |
| 사용 사례 | 대규모 크롤링 | 단순 파싱 | JS 사이트 |
추천 시나리오
✅ Scrapy: 대규모 크롤링, 속도 중요 ✅ BeautifulSoup: 단순 파싱, 빠른 프로토타입 ✅ Selenium: JavaScript 렌더링 필수
조합 추천
# 대부분: BeautifulSoup
# JS 페이지만: Selenium
# 대규모 + JS: Scrapy + Splash
각각 설치 및 기본 예제
[3개 라이브러리 모두 제공]
### 6. GitHub Repository 관리
**Repository 작업**:
저장소 생성 가이드
Input: "Python 프로젝트 저장소 생성"
Output:
저장소 생성
GitHub CLI
gh repo create my-project --public --source=. --remote=origin
권장 구조
my-project/
├── .github/
│ └── workflows/
│ └── ci.yml
├── src/
├── tests/
├── .gitignore
├── README.md
├── LICENSE
├── setup.py
└── requirements.txt
.gitignore 템플릿
[Python .gitignore]
README 템플릿
[표준 README 구조]
**Branch 전략**:
Input: "Git Flow 설정"
Output:
Git Flow 설정
Branch 구조
- main: Production
- develop: 개발 통합
- feature/*: 기능 개발
- release/*: 릴리즈 준비
- hotfix/*: 긴급 수정
명령어
# Git Flow 초기화
git flow init
# Feature 시작
git flow feature start new-feature
# Feature 완료
git flow feature finish new-feature
# Release 시작
git flow release start 1.0.0
# Release 완료
git flow release finish 1.0.0
GitHub 설정
[Branch protection rules]
### 7. Pull Request 관리
**PR 템플릿**:
Input: "PR 템플릿 생성"
Output:
Pull Request 템플릿
파일: .github/PULL_REQUEST_TEMPLATE.md
## 변경 사항
<!-- 이 PR에서 변경한 내용을 간단히 설명 -->
## 변경 이유
<!-- 왜 이 변경이 필요한지 -->
## 테스트
- [ ] 단위 테스트 추가/수정
- [ ] 통합 테스트 확인
- [ ] 수동 테스트 완료
## 체크리스트
- [ ] 코드 리뷰 요청
- [ ] 문서 업데이트
- [ ] CHANGELOG 업데이트
- [ ] Breaking changes 확인
## 스크린샷 (UI 변경 시)
## 관련 이슈
Closes #123
생성 명령어
mkdir -p .github
cat > .github/PULL_REQUEST_TEMPLATE.md << 'EOF'
[템플릿 내용]
EOF
**PR 리뷰 체크리스트**:
PR 리뷰 체크리스트
코드 품질
- 네이밍이 명확한가?
- 함수가 단일 책임을 가지는가?
- 중복 코드가 없는가?
- 에러 처리가 적절한가?
테스트
- 테스트가 추가되었는가?
- 모든 테스트가 통과하는가?
- 커버리지가 충분한가? (80%+)
문서
- README가 업데이트되었는가?
- 코드 주석이 필요한 곳에 있는가?
- API 문서가 업데이트되었는가?
보안
- 민감 정보가 포함되지 않았는가?
- 입력 검증이 적절한가?
- 보안 취약점이 없는가?
성능
- 병목 구간이 없는가?
- 불필요한 API 호출이 없는가?
- 메모리 누수 가능성이 없는가?
### 8. Issue 관리
**Issue 템플릿**:
Input: "Issue 템플릿 생성"
Output:
Issue 템플릿
Bug Report (.github/ISSUE_TEMPLATE/bug_report.md)
---
name: Bug Report
about: 버그 제보
title: '[BUG] '
labels: bug
assignees: ''
---
## 버그 설명
<!-- 버그에 대한 명확한 설명 -->
## 재현 방법
1. ...
2. ...
3. ...
## 예상 동작
<!-- 어떻게 동작해야 하는지 -->
## 실제 동작
<!-- 실제로 어떻게 동작하는지 -->
## 환경
- OS: [e.g. Ubuntu 22.04]
- 버전: [e.g. 1.2.3]
- Python: [e.g. 3.11]
## 추가 정보
<!-- 스크린샷, 로그 등 -->
Feature Request (.github/ISSUE_TEMPLATE/feature_request.md)
---
name: Feature Request
about: 새로운 기능 제안
title: '[FEATURE] '
labels: enhancement
assignees: ''
---
## 제안 배경
<!-- 이 기능이 왜 필요한지 -->
## 제안 내용
<!-- 어떤 기능을 원하는지 -->
## 대안
<!-- 고려한 다른 방법들 -->
## 추가 정보
<!-- 관련 자료, 레퍼런스 등 -->
생성 스크립트
mkdir -p .github/ISSUE_TEMPLATE
# 템플릿 파일 생성
### 9. GitHub Actions
**CI/CD 워크플로우**:
Input: "Python 프로젝트 CI/CD 설정"
Output:
GitHub Actions 워크플로우
파일: .github/workflows/ci.yml
name: CI
on:
push:
branches: [ main, develop ]
pull_request:
branches: [ main, develop ]
jobs:
test:
runs-on: ubuntu-latest
strategy:
matrix:
python-version: [3.9, 3.10, 3.11]
steps:
- uses: actions/checkout@v3
- name: Set up Python
uses: actions/setup-python@v4
with:
python-version: ${{ matrix.python-version }}
- name: Install dependencies
run: |
python -m pip install --upgrade pip
pip install -r requirements.txt
pip install pytest pytest-cov
- name: Run tests
run: |
pytest --cov=src tests/
- name: Upload coverage
uses: codecov/codecov-action@v3
with:
file: ./coverage.xml
lint:
runs-on: ubuntu-latest
steps:
- uses: actions/checkout@v3
- name: Set up Python
uses: actions/setup-python@v4
with:
python-version: 3.11
- name: Install linters
run: |
pip install black flake8 mypy
- name: Run black
run: black --check src/
- name: Run flake8
run: flake8 src/
- name: Run mypy
run: mypy src/
생성 명령어
mkdir -p .github/workflows
# 워크플로우 파일 생성
추가 워크플로우
- 자동 릴리즈: 태그 푸시 시 자동 릴리즈
- 의존성 업데이트: Dependabot 설정
- 자동 배포: main 머지 시 배포
## 사용 패턴
### 패턴 1: 오픈소스 찾기
Input: "TypeScript React 상태 관리 라이브러리 추천"
Output: 🟢 확인됨 | 검증 시간: 8분
추천: Zustand
[활성도 분석 + 즉시 사용 + 비교]
설치
npm install zustand
기본 예제
[복사 가능한 코드]
비교
| Zustand | Redux | Recoil | |
|---|---|---|---|
| [비교표] |
### 패턴 2: 여러 후보 비교
Input: "Python 테스트 프레임워크 비교: pytest vs unittest vs nose"
Output: 🟢 확인됨 | 검증 시간: 10분
[3개 프레임워크 상세 비교 + 각각 예제]
### 패턴 3: 특정 기술스택
Input: "Rust로 된 CLI 도구 프레임워크"
Output: 🟢 확인됨 | 검증 시간: 6분
추천: clap
[Rust 설치 + Cargo.toml + 예제 코드]
### 패턴 4: 카테고리별 검색
Input: "머신러닝 데이터 전처리 라이브러리 top 3"
Output: 🟢 확인됨 | 검증 시간: 12분
Top 3: pandas, polars, dask
[각각 분석 + 사용 사례 + 성능 비교]
### 패턴 5: Repository 관리
Input: "Python 프로젝트 저장소 초기 설정"
Output:
저장소 초기 설정
[.gitignore + README + CI/CD + 브랜치 전략]
### 패턴 6: GitHub Actions 설정
Input: "Node.js 프로젝트 CI/CD"
Output: [테스트 + 린트 + 빌드 + 배포 워크플로우]
## 검증 프로토콜
### 출처 우선순위
1. 🥇 **GitHub 공식 데이터**: Stars, 커밋, PR/Issue
2. 🥈 **공식 문서**: README, Wiki, 공식 사이트
3. 🥉 **커뮤니티**: Reddit, HN, Dev.to
4. **벤치마크**: 독립 성능 테스트
5. **사용 사례**: 실제 프로덕션 사용 기업
### 검증 기준
**저장소 신뢰도**:
- Stars 수 (절대값 + 카테고리 내 상대값)
- 커밋 빈도 (최근 1개월, 3개월, 1년)
- Issue 응답률 (열린 이슈 수 / 응답 시간)
- PR 병합률 (병합 PR / 전체 PR)
- 릴리즈 주기 (최신 릴리즈 날짜 / 빈도)
- 문서 완성도 (README + Wiki + 공식 문서)
**활성도 분석**:
- 주간/월간 커밋 수
- 기여자 수 및 분포
- 커뮤니티 크기 (Discord, Slack, Forum)
- 외부 참조 (Stack Overflow 질문 수)
## 출력 구조
### 오픈소스 검색 출력
🟢 Production-Ready | 검증 시간: 8분
추천: [프로젝트명]
핵심 정보
- Stars / 활성도 / 성숙도 / 커뮤니티
즉시 사용
설치
[명령어]
기본 예제
[5-10줄 코드]
실전 예제
[20-30줄 코드]
활성도 분석
[커밋 / 이슈 / 커뮤니티 / 릴리즈]
비교 분석
[비교표]
선택 가이드
[사용 조건 + 대안]
추가 리소스
[공식 문서 / GitHub / 튜토리얼]
### GitHub 관리 출력
[작업명]
개요
[목적 및 배경]
설정 파일
[파일 경로 + 내용]
명령어
[실행 명령어]
검증
[설정 확인 방법]
추가 설정
[선택적 고급 설정]
## 고급 기능
### 1. 트렌드 분석
Input: "2024년 떠오르는 Python 웹 프레임워크"
Output:
트렌드 분석 (2024)
성장률 기준
- FastAPI: +45% (작년 대비)
- Litestar: +120% (신규)
- Robyn: +80% (신규)
GitHub Trending
[최근 3개월 데이터]
커뮤니티 관심도
[Reddit, HN mentions 증가율]
### 2. 보안 분석
Input: "[저장소] 보안 취약점 확인"
Output:
보안 분석
Dependabot 알림
- 심각: 0개
- 높음: 2개
- 중간: 5개
마지막 보안 패치
- 날짜: 2025-10-15
- 버전: v1.2.3
- 내용: XSS 취약점 수정
권장 조치
[업데이트 권장 사항]
### 3. 라이선스 분석
Input: "상업적 사용 가능한 [카테고리] 라이브러리"
Output:
라이선스 필터링
상업적 사용 가능
✅ MIT: FastAPI, Flask ✅ Apache 2.0: Django ✅ BSD: Pyramid
주의 필요
⚠️ GPL: [목록] ❌ AGPL: [목록]
라이선스별 제약사항
[상세 설명]
## 실전 시나리오
### 시나리오 1: 새 프로젝트 시작
Step 1: "Python 비동기 웹 프레임워크" → FastAPI 추천 + 설치 + 예제
Step 2: "FastAPI 프로젝트 저장소 설정" → .gitignore + README + CI/CD
Step 3: "FastAPI 프로덕션 배포 체크리스트" → 배포 가이드 + 모니터링
### 시나리오 2: 라이브러리 교체
Step 1: "현재: Flask, 대안: FastAPI 비교" → 마이그레이션 가이드
Step 2: "Flask to FastAPI 마이그레이션 체크리스트" → 단계별 마이그레이션
Step 3: "FastAPI 성능 테스트" → 벤치마크 + 최적화
### 시나리오 3: GitHub 워크플로우 개선
Step 1: "현재 CI/CD 분석" → 개선점 도출
Step 2: "고급 GitHub Actions 설정" → 캐싱 + 병렬 실행
Step 3: "자동 배포 파이프라인" → Staging + Production
## 체크리스트
오픈소스 검색 답변 필수 항목:
- [ ] 신뢰도 라벨 (🟢🟡🟠🔴)
- [ ] 검증 시간 명시
- [ ] Stars + 활성도 분석
- [ ] 설치 명령어
- [ ] 기본 예제 (복사 가능)
- [ ] 실전 예제 (복사 가능)
- [ ] 비교 분석 (관련 라이브러리)
- [ ] 선택 가이드
- [ ] 추가 리소스 링크
GitHub 관리 답변 필수 항목:
- [ ] 설정 파일 경로 및 내용
- [ ] 실행 명령어
- [ ] 검증 방법
- [ ] Best practices
- [ ] 흔한 오류 해결
---
## 버전 정보
- **Version**: 1.0.0
- **Created**: 2025-10-26
- **Integrates**: research-verified 검증 프로토콜
- **Optimized for**: 개발 즉시 활용
---
**이 스킬은 오픈소스 검색부터 GitHub 관리까지 모든 것을 통합하여, 개발자가 바로 사용할 수 있는 형태로 정보를 제공합니다.**
Recommended Agent Skills
Expand your agent's capabilities with these related and highly-rated skills.
random-selection
Randomly select items from lists using various algorithms for fair and unbiased selection
threat-hunting
Proactive threat detection using Sigma rules, IOCs, and behavioral analytics
auth-implementation-patterns
Master authentication and authorization patterns including JWT, OAuth2, session management, and RBAC to build secure, scalable access control systems. Use when implementing auth systems, securing APIs, or debugging security issues.
debugging-strategies
Master systematic debugging techniques, profiling tools, and root cause analysis to efficiently track down bugs across any codebase or technology stack. Use when investigating bugs, performance issues, or unexpected behavior.
sql-optimization-patterns
Master SQL query optimization, indexing strategies, and EXPLAIN analysis to dramatically improve database performance and eliminate slow queries. Use when debugging slow queries, designing database schemas, or optimizing application performance.
monorepo-management
Master monorepo management with Turborepo, Nx, and pnpm workspaces to build efficient, scalable multi-package repositories with optimized builds and dependency management. Use when setting up monorepos, optimizing builds, or managing shared dependencies.
Didn't find tool you were looking for?