ghcrawl Cluster Operator 是一个用于操作本仓库本地优先 GitHub 爬虫与聚类浏览器的技能。
用途 该技能面向需要检查 ghcrawl SQLite 存储、拉取 GitHub issue/PR 数据、刷新摘要、嵌入与聚类，或提取某个聚类及其信息的场景。它帮助操作者在本地环境中管理 GitHub 数据的抓取、聚类与维护流程。
基本规则 优先使用只读检查命令：doctor、runs、clusters、cluster-explain、threads。 将 refresh、sync、summarize、key-summaries 和 embed 视为远程/API 消耗命令。 cluster 仅本地运行，但在超大仓库上可能 CPU 密集。 optimize 是本地 SQLite 维护，建议在大量同步、嵌入、聚类或关闭/归档会话后运行。 始终传递 --json 以获得代理可读输出。 仅当文件重叠重要时使用 --include-code；它会补充 PR 文件元数据并可能增加数据库大小。
设置检查 可运行以下命令检查环境： ghcrawl doctor --json ghcrawl configure --json ghcrawl runs owner/repo --limit 10 --json ghcrawl optimize owner/repo --json
如果本地存储为空或过期，拉取当前开放的 GitHub 数据： ghcrawl sync owner/repo --limit 200 --json ghcrawl sync owner/repo --include-code --limit 200 --json
正常端到端更新： ghcrawl refresh owner/repo --json
当文件证据应影响聚类时使用代码补充： ghcrawl refresh owner/repo --include-code --json
LLM 与嵌入流水线 默认聚类可在没有 LLM 摘要的情况下运行。LLM 摘要和嵌入会丰富聚类图。 可用配置示例： ghcrawl configure --summary-model gpt-5.4 --embedding-basis title_original --json ghcrawl configure --summary-model gpt-5.4 --embedding-basis llm_key_summary --json
生成结构化关键摘要： ghcrawl key-summaries owner/repo --limit 200 --json ghcrawl key-summaries owner/repo --number 12345 --json
然后刷新向量与聚类： ghcrawl embed owner/repo --json ghcrawl cluster owner/repo --json
拉取某个聚类及其信息 列出聚类： ghcrawl clusters owner/repo --min-size 2 --limit 20 --sort size --json ghcrawl clusters owner/repo --search "cron timeout" --limit 10 --json
解释某个持久聚类： ghcrawl cluster-explain owner/repo --id 123 --member-limit 50 --event-limit 50 --json
检查当前持久聚类及其成员： ghcrawl durable-clusters owner/repo --member-limit 25 --json ghcrawl durable-clusters owner/repo --include-inactive --member-limit 25 --json
从本地存储拉取特定 issue/PR： ghcrawl threads owner/repo --numbers 123,456,789 --json
打开 TUI： ghcrawl tui owner/repo
本地维护者操作 仅在操作者要求进行持久聚类编辑时使用： ghcrawl exclude-cluster-member owner/repo --id 123 --number 456 --reason "not same root cause" --json ghcrawl include-cluster-member owner/repo --id 123 --number 456 --reason "same root cause" --json ghcrawl set-cluster-canonical owner/repo --id 123 --number 456 --reason "clearest report" --json ghcrawl merge-clusters owner/repo --source 123 --target 456 --reason "same issue family" --json
编辑后重新运行： ghcrawl cluster owner/repo --json ghcrawl cluster-explain owner/repo --id 123 --member-limit 50 --event-limit 50 --json
本地存储维护 在大量数据变更后运行维护： ghcrawl optimize owner/repo --json
不带 owner/repo 时，optimize 仅对主 ghcrawl SQLite 数据库执行检查点、分析、优化和清理。带 owner/repo 时，它还会优化该仓库的向量 SQLite 存储，并报告向量 .hnsw 附属文件大小而不重建它。
适用场景 该技能适用于本地优先的 GitHub 数据抓取与聚类分析工作流，包括检查存储状态、同步 issue/PR、生成摘要与嵌入、构建和浏览聚类、提取特定聚类信息，以及执行本地维护者编辑和 SQLite 维护。
限制 资料未提供关于收费、价格、平台支持范围、效果保证或具体性能指标的说明。部分命令可能消耗远程 API 配额，cluster 在超大仓库上可能 CPU 密集，--include-code 可能增加数据库大小。