PT-Edge 是一个预计算推理缓存，用于辅助 AI 基础设施决策。它追踪 GitHub、PyPI、npm、Docker Hub、Hugging Face 和 Hacker News 上超过 22 万个开源 AI 项目，每日对其质量进行评分，并将结果发布为一个包含 22 万页以上的目录站点。
用途： 该站点面向两类受众：一是代表人类阅读页面的 AI 代理，页面内容结构化、信息前置、机器可读，代理可一次访问就获得有把握且可引用的推荐；二是直接阅读的人类，页面可导航、可信、包含原创分析。
主要能力：
- 数据摄取：每日流水线拉取 GitHub 统计、包下载量、发布、HN 帖子、Hugging Face 模型/数据集及注册表数据。
- 评分：从维护、采用、成熟度、社区四个维度计算综合质量分（0-100）。质量层级包括：已验证（70-100）、成熟（50-69）、新兴（30-49）、实验性（10-29）。
- 增强：基于 README 由 LLM 生成技术摘要、面向从业者的评估和对比分析。
- 发布：跨 17 个领域生成静态站点，包含结构化数据、内部链接和新鲜度信号。目录站点位于 mcp.phasetransitions.ai，覆盖 17 个领域、2400 多个分类，每日更新。
- 观察：分析机器人流量，形成“需求雷达”（Demand Radar）。
使用方式与技术要求： 系统采用 Python、FastAPI、PostgreSQL + pgvector、LLM 增强（支持多个提供商），通过 Jinja2 + Tailwind CSS 生成静态站点，托管在 Render 上。整个系统运行在单个服务器实例上，月成本低于 300 美元。提供 MCP 工具和 REST API 用于程序化访问。这是一个生产系统，没有 staging 环境；数据库是超过 1GB 的 PostgreSQL 实例，查询会命中真实数据。开发设置和安全规则见 docs/development.md。
需求雷达： 站点上的每一次机器人访问都是潜在情报。访问日志携带三层信号：索引机器人（Meta、Anthropic、Amazon、Google、Perplexity、OpenAI）反映各 AI 公司认为未来模型权重中什么有价值，每个机器人有独特的抓取策略，可揭示母公司的优先级；用户行为机器人（ChatGPT-User、OAI-SearchBot、Perplexity-User）反映真实人类当下在向 AI 询问什么，每次命中代表一位从业者通过 AI 中介做技术决策；人类访客则反映人们通过搜索引擎直接找到的内容。需求雷达提取这些信号并输入内容优先级排序，最终会通过训练的 ML 模型而非手工调整的权重来实现。完整分析见 scratch/demand-radar/。
文档与许可： docs/strategy.md 战略定位与推理；docs/roadmap.md 分阶段构建计划；docs/design/worker-architecture.md 任务队列与工作器设计；docs/development.md 开发设置和数据库安全；scratch/demand-radar/ 访问日志情报分析。项目由 Graham Rowe 构建，采用 MIT 许可。
