AI 项目分类细化与标签体系规划

生成日期：2026-07-06

1. 背景与目标

Hello-AI 当前已经进入“目录规模大于原始分类承载力”的阶段。data/stats.json 显示当前公开统计为 20444 个已收录项目、10185 个活跃展示项目；当前工作区 data/projects.json 中按分类展开约 20648 条分类行、20572 个去重 URL。现有 13 个顶层入口中，trending 是虚拟推荐入口，其余 12 个是真正业务分类。

当前问题不是完全没有二级分类，而是二级分类数量少、粒度不均、分布失衡，并且标签没有形成稳定的横向过滤体系。比如当前活跃数据中：

devtools 活跃 2974 个项目，其中 SDKs & APIs 1777 个，单个二级分类过大。
agents 活跃 1986 个项目，其中 Agent Frameworks 1109 个，无法区分 MCP、Coding Agent、多智能体、浏览器自动化等实践方向。
learning 活跃 2226 个项目，Courses & Tutorials 与 Awesome Lists 合计占比过高，论文、Notebook、数据集目录等入口不够明确。
multimodal 活跃 1764 个项目，但目前主要只有图片、音频、视频三类，视觉理解、OCR、3D、空间智能和多模态基础模型容易混在一起。

本规划目标：

保持顶层分类稳定，避免破坏已有 URL、导航和用户认知。
将每个大类扩展到 4-7 个稳定二级分类，避免继续把几千个项目堆进单个桶。
引入受控的横向标签体系，覆盖能力、任务、平台、受众、成熟度和领域，不把 GitHub topic 直接升级成目录分类。
给出可以直接落地到数据结构、评估 prompt、文档生成、Explore 和 Meilisearch 的实施路径。

2. 现状依据

代码和数据链路已经支持“分类来自数据，展示动态生成”，因此本次优化应优先改数据结构和分类规则，而不是硬编码页面。

README 明确说明评估时会动态读取 data/projects.json 中的 categories 和 subcategories，并注入 Prompt 指导 AI 归类：README-zh.md:128、README-zh.md:130。
README 明确说明文档生成按 subcategory 分组：README-zh.md:134、README-zh.md:136。
评估 Prompt 目前只把 category.id/name 与 subcategories 列表拼成文本：scripts/evaluation-prompt.js:7、scripts/evaluation-prompt.js:10。
Prompt 要求 LLM 返回 category_id 和 subcategory，但 subcategory 是自由文本字段：scripts/evaluation-prompt.js:35、scripts/evaluation-prompt.js:44。
入库逻辑只校验 category_id 是否存在，对 subcategory 没有枚举校验，直接写入项目：scripts/discover-and-evaluate.js:625、scripts/discover-and-evaluate.js:638、scripts/discover-and-evaluate.js:639。
Markdown 生成按 project.subcategory || '未分类 (Others)' 聚合：scripts/generate-docs.js:28、scripts/generate-docs.js:31、scripts/generate-docs.js:78。
Explore 数据已经把 subcategory、tags、topics 纳入打分、相关项目和 facets：scripts/generate-explore-data.js:197、scripts/generate-explore-data.js:211、scripts/generate-explore-data.js:571、scripts/generate-explore-data.js:639。
Meilisearch 目前搜索 tags/topics/subcategory，过滤 categoryId/health/stars/owner/subcategory：scripts/meilisearch-index.js:91、scripts/meilisearch-index.js:121、scripts/meilisearch-index.js:254、scripts/meilisearch-index.js:264。

3. 分类原则

3.1 顶层分类保持稳定

保持现有 12 个业务顶层分类和 1 个虚拟推荐入口：

trending：虚拟榜单，不作为 LLM 可选业务分类。
llms
agents
rag_data
infrastructure
finetuning
multimodal
devtools
applications
learning
desktop_tools
robotics_iot
finance_business

原因：

当前前端导航、README 统计、文档路径和 Explore 都已经围绕这些 ID 建立。
顶层分类太多会让用户第一步选择变难。
AI 项目的实践演进更适合通过二级分类和标签反映，例如 MCP、Coding Agent、Local LLM、GraphRAG 都是横跨多个顶层分类的能力信号。

3.2 二级分类控制在 4-7 个

每个顶层分类建议最多 7 个二级分类。二级分类的成立条件：

能形成稳定的用户入口，而不是某个短期热词。
在当前或未来数据中预计至少有 50 个项目，或占所属大类 5% 以上。
与同级分类互斥度足够高，大多数项目能选出一个主归属。
不是简单复刻 GitHub topic；更细的差异交给标签。

3.3 标签做横向过滤

标签用于表达项目的能力、任务、平台、目标用户、成熟度和行业领域。例如 mcp、local-ai、code-agent、docker、research、finance 不适合全部变成目录，但非常适合作为筛选和推荐特征。

建议区分三层信号：

subcategoryId：每个项目只有一个，决定目录分组。
canonicalTags：受控标签，每个项目 3-8 个，用于筛选、推荐、相似项目。
rawTags/topics：保留现有 LLM tags 和 GitHub topics，用于搜索召回和后续分析。

4. 推荐二级分类

下面是可以直接落地的二级分类表。建议在数据里使用稳定英文 id，页面展示使用中文 label，必要时保留英文别名用于搜索。

4.1 `llms` 基础大模型

subcategoryId	中文名	覆盖范围	典型标签
`general-chat-models`	通用语言与聊天模型	通用 LLM、聊天模型、文本生成模型、开源权重	`llm`, `chat-model`, `open-source-model`
`local-small-models`	本地与小模型	轻量模型、小参数模型、端侧/本地可运行模型	`local-llm`, `small-language-model`, `edge-ai`
`domain-code-models`	代码/数学/行业模型	代码、数学、科学、医疗、法律、金融等垂直模型	`code-model`, `math`, `domain-model`
`embedding-rerank-models`	向量与重排模型	embedding、reranker、检索排序模型	`embedding`, `reranker`, `semantic-search`
`architecture-research`	模型结构与研究	Transformer、MoE、状态空间、推理结构、训练论文实现	`transformer`, `moe`, `research`
`model-hubs-leaderboards`	模型集合与榜单	模型清单、排行榜、模型仓库索引	`awesome-list`, `leaderboard`, `model-hub`

当前映射建议：

Text Models -> general-chat-models
Open Source Models -> 根据 tags/topics 二次分配，默认 general-chat-models
Model Architecture -> architecture-research
Foundation Models -> general-chat-models

4.2 `agents` 智能体与编排

subcategoryId	中文名	覆盖范围	典型标签
`agent-frameworks`	智能体框架与运行时	Agent SDK、工具调用框架、记忆/规划/执行框架	`agent-framework`, `tool-use`, `memory`
`autonomous-task-agents`	自主任务智能体	AutoGPT 类任务执行、研究助理、长任务执行器	`autonomous-agent`, `research-agent`, `task-automation`
`multi-agent-systems`	多智能体协作	多角色协作、群体调度、agent team、仿真协作	`multi-agent`, `agent-team`, `coordination`
`browser-computer-use`	浏览器与电脑自动化	Browser Use、GUI 操作、RPA、网页自动执行	`browser-automation`, `computer-use`, `rpa`
`coding-agents`	编程智能体	SWE agent、代码修复、仓库理解、自动 PR	`coding-agent`, `swe-agent`, `code-generation`
`mcp-tool-ecosystem`	MCP 与工具生态	MCP server/client、工具目录、外部工具协议	`mcp`, `mcp-server`, `integration`
`workflow-automation`	工作流与编排自动化	n8n/langgraph 类流程编排、agent workflow、任务管线	`workflow`, `orchestration`, `automation`

当前映射建议：

Agent Frameworks -> agent-frameworks，但含 mcp 的优先迁到 mcp-tool-ecosystem，含 coding-agent/claude-code/swe-agent 的优先迁到 coding-agents。
Autonomous Agents -> autonomous-task-agents
Browser Automations -> browser-computer-use
Multi-Agent Systems -> multi-agent-systems

4.3 `rag_data` RAG 与检索

subcategoryId	中文名	覆盖范围	典型标签
`rag-frameworks`	RAG 框架	RAG 应用框架、问答系统、知识库框架	`rag`, `qa`, `knowledge-base`
`vector-databases-indexes`	向量数据库与索引	Vector DB、ANN、向量索引、向量插件	`vector-database`, `ann`, `faiss`
`embeddings-reranking`	向量化与重排	embedding pipeline、reranker、召回排序	`embedding`, `reranker`, `retrieval`
`document-parsing-ocr`	文档解析与 OCR	PDF/Office/HTML 解析、OCR、版面理解	`document-ai`, `pdf`, `ocr`
`knowledge-graph-graphrag`	知识图谱与 GraphRAG	KG、GraphRAG、实体关系抽取	`knowledge-graph`, `graphrag`, `entity-extraction`
`search-retrieval-engines`	搜索与检索引擎	全文搜索、语义搜索、元搜索、搜索 API	`search-engine`, `semantic-search`, `bm25`
`data-connectors-pipelines`	数据连接与管线	数据摄取、连接器、爬取、清洗、索引管线	`data-pipeline`, `connector`, `etl`

当前映射建议：

RAG Frameworks -> rag-frameworks
Vector Databases -> vector-databases-indexes
Data Parsers -> document-parsing-ocr，其中含 connector/etl/crawler 的迁到 data-connectors-pipelines

4.4 `infrastructure` 基础设施与部署

subcategoryId	中文名	覆盖范围	典型标签
`model-serving-inference`	模型服务与推理	推理服务、Serving、batch inference、推理 API	`inference`, `model-serving`, `llm-inference`
`local-runtime-model-management`	本地运行时与模型管理	Ollama、llama.cpp、模型下载/切换/管理	`local-ai`, `ollama`, `model-management`
`gpu-quantization-acceleration`	GPU/量化/加速	CUDA、TensorRT、量化、推理加速、硬件优化	`cuda`, `gpu`, `quantization`
`cloud-native-deployment`	云原生部署	Docker、Kubernetes、Helm、Serverless、集群部署	`docker`, `kubernetes`, `cloud-native`
`llmops-observability`	LLMOps 与可观测	tracing、监控、评估平台、成本/质量观测	`llmops`, `observability`, `monitoring`
`api-gateway-routing`	API 网关与模型路由	多模型网关、代理、负载均衡、成本路由	`llm-gateway`, `proxy`, `routing`

当前映射建议：

Model Serving -> model-serving-inference，含 ollama/llama.cpp/local-llm 的迁到 local-runtime-model-management
Hardware Acceleration -> gpu-quantization-acceleration
Cloud & Hosting -> cloud-native-deployment

4.5 `finetuning` 微调与训练

subcategoryId	中文名	覆盖范围	典型标签
`finetuning-lora`	微调与 LoRA 工具	SFT、LoRA、QLoRA、PEFT、adapter	`fine-tuning`, `lora`, `peft`
`training-frameworks`	训练框架	预训练、分布式训练、训练脚手架	`training`, `distributed-training`, `pytorch`
`datasets-labeling`	数据集与标注	数据集、合成数据、清洗、标注工具	`dataset`, `labeling`, `synthetic-data`
`evaluation-benchmarks`	评测与 Benchmark	模型评估、benchmark、leaderboard、红队测试	`evaluation`, `benchmark`, `evals`
`preference-rlhf`	偏好优化与 RLHF	DPO、RLHF、RLAIF、奖励模型、强化学习训练	`rlhf`, `dpo`, `reinforcement-learning`
`experiment-automl`	实验管理与 AutoML	超参搜索、实验跟踪、AutoML、训练调度	`automl`, `experiment-tracking`, `hpo`

当前映射建议：

Fine-tuning Tools -> finetuning-lora，含 training/distributed 的迁到 training-frameworks
Dataset Management -> datasets-labeling
Evaluation Metrics -> evaluation-benchmarks

4.6 `multimodal` 多模态与音视频

subcategoryId	中文名	覆盖范围	典型标签
`image-generation-editing`	图像生成与编辑	文生图、图像编辑、Diffusion、ControlNet	`image-generation`, `diffusion`, `stable-diffusion`
`vision-understanding-ocr`	视觉理解与 OCR	CV、检测/分割、OCR、文档视觉理解	`computer-vision`, `ocr`, `object-detection`
`video-generation-understanding`	视频生成与理解	文生视频、视频理解、视频编辑	`video-generation`, `video-understanding`, `video-editing`
`audio-speech`	音频与语音	TTS、STT、ASR、音乐、声音处理	`tts`, `speech-recognition`, `audio`
`3d-spatial`	3D 与空间智能	3D 重建、NeRF、Gaussian Splatting、空间理解	`3d-reconstruction`, `spatial-ai`, `nerf`
`multimodal-foundation-models`	多模态基础模型	VLM、LLaVA、图文/音视频大模型	`vlm`, `multimodal-llm`, `vision-language`
`creative-media-pipelines`	创意媒体工作流	ComfyUI 工作流、设计/创作管线、媒体工具链	`creative-tools`, `workflow`, `media-pipeline`

当前映射建议：

Image Generation -> image-generation-editing
Audio & Speech (TTS/STT) 和 Audio & Speech -> audio-speech
Video Generation -> video-generation-understanding
空子类结合 tags/topics 迁到 vision-understanding-ocr、3d-spatial 或 multimodal-foundation-models

4.7 `devtools` 开发工具与 SDK

subcategoryId	中文名	覆盖范围	典型标签
`sdks-api-clients`	SDK 与 API 客户端	各语言 SDK、API wrapper、client library	`sdk`, `api-client`, `openai`
`ai-ides-code-assistants`	AI IDE 与代码助手	IDE、编辑器插件、代码补全、代码聊天	`code-assistant`, `ide`, `vscode`
`cli-dev-utilities`	CLI 与开发者工具	命令行工具、脚手架、开发辅助工具	`cli`, `developer-tools`, `automation`
`mcp-integrations`	MCP 与集成工具	MCP server、插件、第三方集成桥接	`mcp`, `mcp-server`, `integration`
`prompt-eval-tools`	Prompt 与评测工具	Prompt 管理、测试、压缩、注入检测、eval	`prompt-engineering`, `prompt-eval`, `testing`
`code-intelligence-repo-tools`	代码理解与仓库工具	代码搜索、AST、仓库问答、代码索引	`code-search`, `code-intelligence`, `ast`
`app-frameworks-boilerplates`	AI 应用框架与模板	AI app starter、Next.js 模板、后端框架	`app-framework`, `boilerplate`, `template`

当前映射建议：

SDKs & APIs -> 默认 sdks-api-clients，但含 mcp 迁到 mcp-integrations，含 code-search/semantic-search/tree-sitter 迁到 code-intelligence-repo-tools
IDE & Code Assistants -> ai-ides-code-assistants
Prompt Engineering -> prompt-eval-tools
Terminal Tools -> cli-dev-utilities

4.8 `applications` AI 终端应用

subcategoryId	中文名	覆盖范围	典型标签
`chatbots-assistants`	聊天机器人与个人助手	ChatGPT UI、AI assistant、客服聊天、角色聊天	`chatbot`, `ai-assistant`, `chatgpt`
`productivity-knowledge-work`	效率与知识工作	笔记、写作、会议、邮件、知识库应用	`productivity`, `knowledge-work`, `writing`
`creative-content-apps`	创意与内容应用	图片、视频、音乐、设计、内容创作应用	`creative`, `content-creation`, `image-generation`
`business-enterprise-apps`	企业与业务应用	CRM、客服、运营、BI、企业知识助手	`enterprise`, `customer-support`, `bi`
`education-research-apps`	教育与研究应用	学习助手、论文工具、研究工作台	`education`, `research-tool`, `paper`
`personal-automation-workflows`	个人自动化与工作流	个人 agent、自动化任务、跨应用助手	`personal-ai`, `workflow`, `automation`

当前映射建议：

Chatbots & UIs -> chatbots-assistants
Productivity Tools -> productivity-knowledge-work
Creative Apps -> creative-content-apps
Enterprise Solutions -> business-enterprise-apps

4.9 `learning` 学习与资源

subcategoryId	中文名	覆盖范围	典型标签
`courses-tutorials`	课程与教程	系统课程、入门教程、实践指南	`course`, `tutorial`, `guide`
`awesome-curated-lists`	Awesome 与精选清单	awesome list、资源导航、项目集合	`awesome-list`, `curated-list`, `resources`
`papers-reading-lists`	论文与阅读清单	论文集合、论文解读、研究路线图	`paper`, `reading-list`, `research`
`notebooks-examples`	Notebook 与示例	Colab、Jupyter、示例工程、实验 notebook	`notebook`, `examples`, `hands-on`
`datasets-benchmarks-catalogs`	数据集与 Benchmark 目录	数据集清单、评测集合、benchmark 目录	`dataset`, `benchmark`, `leaderboard`
`books-newsletters-community`	书籍、社区与资讯	电子书、Newsletter、社区、学习路径	`book`, `newsletter`, `community`

当前映射建议：

Courses & Tutorials -> courses-tutorials，含 notebook/colab/examples 迁到 notebooks-examples
Awesome Lists -> awesome-curated-lists
Research Papers -> papers-reading-lists，含 dataset/benchmark 迁到 datasets-benchmarks-catalogs

4.10 `desktop_tools` 桌面与操作系统级应用

subcategoryId	中文名	覆盖范围	典型标签
`local-gui-apps`	本地图形应用	Electron/Tauri/原生 GUI、本地 AI 客户端	`desktop-app`, `electron`, `tauri`
`terminal-cli-apps`	终端与命令行应用	CLI 聊天、终端助手、本地命令行工具	`cli`, `terminal`, `shell`
`os-integrations`	操作系统集成	菜单栏、快捷键、剪贴板、系统级助手	`macos`, `windows`, `os-integration`
`browser-extensions`	浏览器扩展	Chrome/Firefox 插件、网页侧边栏、浏览器助手	`browser-extension`, `chrome`, `web-assistant`
`local-ai-workbench`	本地 AI 工作台	本地模型管理、离线聊天、隐私优先工作台	`local-ai`, `ollama`, `privacy`

当前映射建议：

Local GUI Apps -> local-gui-apps，含 ollama/local-llm/privacy 的可迁到 local-ai-workbench
Terminal Tools -> terminal-cli-apps
OS Integrations -> os-integrations
Browser Automations -> 如果是最终用户浏览器插件，迁到 browser-extensions；如果是 agent 自动化框架，迁回 agents/browser-computer-use

4.11 `robotics_iot` 机器人与物联网

subcategoryId	中文名	覆盖范围	典型标签
`robotics-frameworks-control`	机器人框架与控制	ROS、控制、路径规划、机械臂、机器人软件栈	`robotics`, `ros`, `control`
`embodied-ai-simulation`	具身智能与仿真	具身智能、仿真环境、机器人学习 benchmark	`embodied-ai`, `simulation`, `robot-learning`
`autonomous-driving`	自动驾驶	AD、感知、规划、车路协同、驾驶数据集	`autonomous-driving`, `lidar`, `planning`
`edge-ai-on-device`	边缘与端侧 AI	边缘推理、嵌入式、移动端/设备端部署	`edge-ai`, `on-device-ai`, `embedded`
`iot-sensors`	物联网与传感器	IoT、传感器、设备数据、智能硬件	`iot`, `sensor`, `embedded`
`slam-perception`	SLAM 与感知	SLAM、定位建图、视觉/雷达感知	`slam`, `perception`, `lidar`

当前映射建议：

Robotics -> 默认 robotics-frameworks-control，含 simulation/embodied-ai 迁到 embodied-ai-simulation，含 slam/lidar/perception 迁到 slam-perception
Edge AI -> edge-ai-on-device
IoT -> iot-sensors

4.12 `finance_business` 商业与量化

subcategoryId	中文名	覆盖范围	典型标签
`quant-trading-backtesting`	量化交易与回测	策略、回测、交易机器人、量化框架	`quant`, `backtesting`, `trading-bot`
`market-data-analysis`	市场数据与分析	金融数据、技术分析、预测、情绪分析	`market-data`, `technical-analysis`, `forecasting`
`financial-llms-agents`	金融 LLM 与智能体	金融大模型、投研 agent、金融问答	`financial-llm`, `finance-agent`, `robo-advisor`
`enterprise-ai-platforms`	企业 AI 平台	企业知识助手、流程自动化、业务平台	`enterprise-ai`, `workflow`, `customer-support`
`business-ops-bi`	商业运营与 BI	BI、报表、增长分析、业务智能	`bi`, `analytics`, `business-ops`

当前映射建议：

Quantitative Trading -> quant-trading-backtesting
Market Analysis -> market-data-analysis
Enterprise Solutions -> 根据 finance/quant/trading 迁到 financial-llms-agents 或 enterprise-ai-platforms

5. 推荐横向标签体系

标签不要无限扩张。建议建立 data/taxonomy.json 或 data/tag-taxonomy.json，维护 80-120 个受控 canonical tag，并保留 alias 归一化规则。每个项目最多写入 3-8 个 canonical tags；原始 tags 和 topics 继续保留。

5.1 能力标签 `capability`

建议首批：

llm, local-llm, small-model, embedding, reranking, agent, multi-agent, mcp, tool-use, rag, graphrag, vector-search, semantic-search, knowledge-graph, document-ai, ocr, fine-tuning, training, evaluation, inference, quantization, mlops, observability, image-generation, vision, video, speech, audio, 3d, code-generation, code-search, workflow, automation, robotics, edge-ai, trading, analytics, security, privacy

5.2 任务标签 `task`

建议首批：

build-agent, build-rag, build-chatbot, code-assistant, repo-analysis, document-qa, web-automation, local-ai-workbench, deploy-model, serve-model, train-model, evaluate-model, create-image, create-video, speech-to-text, text-to-speech, learn-ai, read-papers, analyze-data, trading-bot, robot-control

5.3 平台标签 `platform`

建议首批：

cli, web, desktop, browser-extension, vscode, jetbrains, macos, windows, linux, ios, android, docker, kubernetes, serverless, edge-device, raspberry-pi, cuda, metal

5.4 受众标签 `audience`

建议首批：

developer, ai-engineer, data-engineer, researcher, product-builder, end-user, educator, enterprise, quant, roboticist, designer, creator

5.5 成熟度标签 `maturity`

建议首批：

awesome-list, research, tutorial, example, starter-template, production-ready, experimental, deprecated, maintained, inactive

注意：health 已经存在，不需要完全重复成熟度。maturity 重点表达“项目形态”，health 表达维护状态。

5.6 领域标签 `domain`

建议首批：

finance, healthcare, legal, education, customer-support, marketing, sales, bi, cybersecurity, science, bioinformatics, gis, iot, autonomous-driving

6. 建议数据结构

6.1 新增 taxonomy 源文件

建议新增：

text

data/taxonomy.json

建议结构：

json

{
  "version": 1,
  "categories": [
    {
      "id": "agents",
      "label": "智能体与编排",
      "description": "Autonomous agents, tool use, MCP, workflow orchestration.",
      "subcategories": [
        {
          "id": "agent-frameworks",
          "label": "智能体框架与运行时",
          "aliases": ["Agent Frameworks"],
          "description": "Agent SDKs, runtimes, memory, planning and tool-use frameworks."
        }
      ]
    }
  ],
  "canonicalTags": {
    "capability": [
      { "id": "mcp", "label": "MCP", "aliases": ["mcp-server", "mcp-client"] }
    ]
  }
}

6.2 项目记录向后兼容

短期保持 project.subcategory，新增稳定字段：

json

{
  "categoryId": "agents",
  "subcategory": "MCP 与工具生态",
  "subcategoryId": "mcp-tool-ecosystem",
  "canonicalTags": {
    "capability": ["agent", "mcp", "tool-use"],
    "task": ["build-agent"],
    "platform": ["cli"],
    "audience": ["developer"],
    "maturity": ["maintained"],
    "domain": []
  }
}

兼容策略：

旧页面继续读 subcategory。
新逻辑优先读 subcategoryId，没有则用 subcategory 通过 alias 映射。
tags 和 topics 不删除，只做归一化补充。

7. 分类执行规则

7.1 主分类优先级

遇到跨类项目时按“用户主要来找它解决什么问题”归类：

模型权重、模型结构、模型榜单 -> llms
让模型自主规划、调用工具、执行任务 -> agents
检索、索引、文档解析、知识库 -> rag_data
推理服务、部署、网关、监控、运行时 -> infrastructure
微调、训练、数据集、评测 -> finetuning
图像、视频、音频、视觉、3D、多模态模型 -> multimodal
SDK、API、IDE、CLI、Prompt、代码工具 -> devtools
面向最终用户的可直接使用产品 -> applications
教程、清单、论文、Notebook、数据集目录 -> learning
桌面/OS/浏览器本地深度集成 -> desktop_tools
机器人、边缘设备、IoT、自动驾驶 -> robotics_iot
金融、量化、企业业务分析 -> finance_business

7.2 标签生成规则

每个项目建议：

必须有 1-3 个 capability。
最多 2 个 task。
如果平台明确，补 1-2 个 platform。
如果项目受众明显，补 1 个 audience。
如果是 awesome、research、tutorial、starter-template 等形态，补 1 个 maturity。
行业项目补 1 个 domain。
总 canonical tag 数建议 3-8 个，不超过 10 个。

8. 迁移实施步骤

阶段 1：taxonomy 定义与校验脚本

新增 data/taxonomy.json，写入本规划中的分类、二级分类和 canonical tags。
新增 scripts/validate-taxonomy.js：
- 校验 taxonomy ID 唯一。
- 校验每个业务分类 4-7 个二级分类。
- 校验每个项目的 subcategoryId 能映射到所属 category。
- 输出未识别 subcategory、中文 tags、大小写重复 tags、空 subcategory。
将 data/categories.json 继续保持轻量导航输出，不承载完整 taxonomy。

阶段 2：现有项目 dry-run 重分类

新增 scripts/classify-existing-projects.js --dry-run。
输入 data/projects.json，跳过 trending 或把 trending 视为派生榜单。
先用规则引擎归类：
- 当前 category.id
- 当前 subcategory
- tags
- topics
- description
- _owner/_name
对低置信度项目生成 taxonomy-review.jsonl，后续再用 LLM 小批量补判。
dry-run 输出：
- 每个大类、二级分类的新旧数量对比。
- Other/未分类 占比。
- 被迁出原二级分类的样例。
- canonical tags 覆盖率。

阶段 3：评估 Prompt 改造

更新 scripts/evaluation-prompt.js：

Prompt 中传入 taxonomy 的 category/subcategory id、中文 label、英文描述和 aliases。
要求 LLM 返回 subcategory_id，而不是自由文本 subcategory。
要求 LLM 返回受控 canonical_tags，并限制只能从白名单选择。
对 tags 明确要求保留英文、短横线、最多 6 个；中文内容只允许出现在 description。

建议输出格式：

json

{
  "category_id": "agents",
  "subcategory_id": "mcp-tool-ecosystem",
  "canonical_tags": {
    "capability": ["agent", "mcp", "tool-use"],
    "task": ["build-agent"],
    "platform": ["cli"],
    "audience": ["developer"],
    "maturity": ["maintained"],
    "domain": []
  }
}

同时更新 scripts/discover-and-evaluate.js：

校验 subcategory_id 属于 category_id。
校验 canonical tags 属于白名单。
失败时自动降级到规则映射或记入 rejected reason，而不是写入自由文本脏数据。

阶段 4：展示与搜索改造

scripts/generate-docs.js
- 优先按 taxonomy 中 subcategory 顺序输出。
- 使用中文 label 作为标题，英文别名可作为锚点或小字。
- 未分类 永远最后。
scripts/generate-explore-data.js
- facets 增加 canonicalTags 分组。
- 相关项目计算中提高 subcategoryId 和 canonical capability tags 权重。
- category insights 展示 top canonical tags，而不是混杂 raw tags。
scripts/meilisearch-index.js
- searchable attributes 增加 canonicalTags。
- filterable attributes 增加 subcategoryId、canonicalTags.capability、canonicalTags.platform、canonicalTags.audience。
- displayed attributes 增加 subcategoryId 与 canonicalTags。

阶段 5：批量回填与发布

先对 500 个项目 dry-run 抽样，人工检查分布。
再对全部非 trending 项目生成迁移 patch。
重新生成 home/*.md、data/stats.json、Explore 数据和 Meilisearch 索引。
执行构建：

bash

pnpm ai:generate-docs
pnpm explore:generate-data
pnpm docs:build

当前仓库使用 npm scripts，实际命令也可以是：

bash

npm run ai:generate-docs
npm run explore:generate-data
npm run docs:build

9. 验收标准

9.1 分类质量

非 trending 项目 98% 以上有合法 subcategoryId。
未分类 项目占比低于 2%。
单个大类下最大二级分类占比低于 45%；如分类总数低于 500，可放宽到 55%。
每个二级分类至少 30 个活跃项目，或占所属大类活跃项目 5% 以上；不满足则合并回相邻分类。
LLM 新增项目不能写入 taxonomy 外的 category_id、subcategory_id 或 canonical tag。

9.2 标签质量

每个活跃项目平均 3-8 个 canonical tags。
中文 tags 不再进入新增项目的 tags 字段；历史中文 tags 通过迁移脚本归一化或保留为 raw，但不作为 canonical tag。
canonical tags 总数控制在 80-120 个。
raw GitHub topics 继续保留，不参与目录分组，只参与搜索召回和 alias 学习。

9.3 产品体验

用户在任意大类页能先通过 4-7 个二级入口缩小范围，再通过标签进一步过滤。
Explore facets 能同时按大类、二级分类、能力、平台、任务过滤。
搜索结果能展示项目所属大类、二级分类和关键 canonical tags。
热门推荐继续作为派生榜单，不参与主分类统计污染。

9.4 工程稳定性

npm run ai:generate-docs 成功。
npm run explore:generate-data 成功。
npm run docs:build 成功。
scripts/validate-taxonomy.js 输出无非法 taxonomy ID。
Meilisearch 重建后可以按 categoryId、subcategoryId、canonicalTags.capability 过滤。

10. 风险与缓解

风险	影响	缓解
二级分类仍然过大	用户找不到项目	按验收标准监控单桶占比，优先拆 `devtools/agents/learning/multimodal`
分得过细	小类无意义，维护成本高	每类最多 7 个二级分类，小类低于阈值自动合并
LLM 继续生成脏 subcategory	数据不一致	改为 `subcategory_id` 枚举校验，不接受自由文本
标签膨胀	facets 噪声变大	canonical tags 白名单控制，raw topics 只做搜索
历史数据迁移误判	项目入口错位	dry-run 报告、低置信度 review、保留原始 tags/topics
破坏已有页面路径	外链失效	顶层 category id 不变，二级分类只影响页内锚点与分组

11. 推荐优先级

优先处理顺序：

devtools：项目最多，SDKs & APIs 桶过大，立即收益最高。
agents：MCP、Coding Agent、多智能体、Browser Use 已经明显分化。
multimodal：图像、语音、视频之外需要补视觉理解、3D、多模态模型。
learning：资源类型需要拆出 Notebook、论文、数据集/benchmark。
rag_data 与 infrastructure：二级分类扩展能显著提升专业用户定位效率。
其余较小类按相同 taxonomy 一次性补齐即可。

12. 后续可选增强

结合 README 离线分析结果补充 maturity、audience、task 标签。
Explore 页面增加“按任务找项目”入口，例如“构建 RAG”“本地运行模型”“做代码智能体”。
基于 taxonomy 生成每个大类的概览页，包括二级分类说明、代表项目、趋势标签。
定期输出 taxonomy drift 报告：新增项目中哪些 raw topics 高频但尚未映射 canonical tag。

AI 项目分类细化与标签体系规划 ​

1. 背景与目标 ​

2. 现状依据 ​

3. 分类原则 ​

3.1 顶层分类保持稳定 ​

3.2 二级分类控制在 4-7 个 ​

3.3 标签做横向过滤 ​

4. 推荐二级分类 ​

4.1 llms 基础大模型 ​

4.2 agents 智能体与编排 ​

4.3 rag_data RAG 与检索 ​

4.4 infrastructure 基础设施与部署 ​

4.5 finetuning 微调与训练 ​

4.6 multimodal 多模态与音视频 ​

4.7 devtools 开发工具与 SDK ​

4.8 applications AI 终端应用 ​

4.9 learning 学习与资源 ​

4.10 desktop_tools 桌面与操作系统级应用 ​

4.11 robotics_iot 机器人与物联网 ​

4.12 finance_business 商业与量化 ​

5. 推荐横向标签体系 ​

5.1 能力标签 capability ​

5.2 任务标签 task ​

5.3 平台标签 platform ​

5.4 受众标签 audience ​

5.5 成熟度标签 maturity ​

5.6 领域标签 domain ​

6. 建议数据结构 ​

6.1 新增 taxonomy 源文件 ​

6.2 项目记录向后兼容 ​

7. 分类执行规则 ​

7.1 主分类优先级 ​

7.2 标签生成规则 ​

8. 迁移实施步骤 ​

阶段 1：taxonomy 定义与校验脚本 ​

阶段 2：现有项目 dry-run 重分类 ​

阶段 3：评估 Prompt 改造 ​

阶段 4：展示与搜索改造 ​

阶段 5：批量回填与发布 ​

9. 验收标准 ​

9.1 分类质量 ​

9.2 标签质量 ​

9.3 产品体验 ​

9.4 工程稳定性 ​

10. 风险与缓解 ​

11. 推荐优先级 ​

12. 后续可选增强 ​

AI 项目分类细化与标签体系规划

1. 背景与目标

2. 现状依据

3. 分类原则

3.1 顶层分类保持稳定

3.2 二级分类控制在 4-7 个

3.3 标签做横向过滤

4. 推荐二级分类

4.1 `llms` 基础大模型

4.2 `agents` 智能体与编排

4.3 `rag_data` RAG 与检索

4.4 `infrastructure` 基础设施与部署

4.5 `finetuning` 微调与训练

4.6 `multimodal` 多模态与音视频

4.7 `devtools` 开发工具与 SDK

4.8 `applications` AI 终端应用

4.9 `learning` 学习与资源

4.10 `desktop_tools` 桌面与操作系统级应用

4.11 `robotics_iot` 机器人与物联网

4.12 `finance_business` 商业与量化

5. 推荐横向标签体系

5.1 能力标签 `capability`

5.2 任务标签 `task`

5.3 平台标签 `platform`

5.4 受众标签 `audience`

5.5 成熟度标签 `maturity`

5.6 领域标签 `domain`

6. 建议数据结构

6.1 新增 taxonomy 源文件

6.2 项目记录向后兼容

7. 分类执行规则

7.1 主分类优先级

7.2 标签生成规则

8. 迁移实施步骤

阶段 1：taxonomy 定义与校验脚本

阶段 2：现有项目 dry-run 重分类

阶段 3：评估 Prompt 改造

阶段 4：展示与搜索改造

阶段 5：批量回填与发布

9. 验收标准

9.1 分类质量

9.2 标签质量

9.3 产品体验

9.4 工程稳定性

10. 风险与缓解

11. 推荐优先级

12. 后续可选增强