先作品，后系统
第一层任务要在 15 分钟内看到变化，2 小时内完成，不需要后端或付费服务。
METHODOLOGY / 筛选方法
先让人成为作者，再让他看懂更大的系统。
新手层用小作品建立“我能做”的经验；进阶层才用经过核对的开源项目学产品架构。AI 可以协助实现，但意图、判断和署名不能外包。
事实不写成观点
语言、许可证、更新时间等事实来自 GitHub 快照；难度与学习价值则必须留下编辑理由。
自动化不等于自动发布
系统可以发现和整理候选，但只有通过审核的学习卡才会公开。
100 分学习价值模型
七个维度，但分数不是结论
分数用来初筛和排序，最终依然要看每个维度背后的说明。
01可复刻性
依赖和运行成本是否可控，能否快速改成自己的版本。
25 分02文档与代码清晰度
README 能否指路，目录与模块边界是否容易理解。
20 分03新手学习价值
是否能建立产品与代码的连接，而不只是跑起一个 demo。
20 分04产品完整度
有没有清晰用户、问题与可验证的主链路。
15 分05vibe coding 代表性
是否适合用 AI 协作完成理解、修改和再创作。
10 分06活跃度
近期更新与维护状态，只是辅助信号。
5 分07新颖性
能否带来新的产品角度或工程思路。
5 分发布门槛
从被发现，到值得被看见
- 01发现与抓取
收集仓库事实，不运行第三方代码。
- 02初筛与生成
去掉缺许可证、无文档或无学习价值的候选。
- 03事实校验
检查技术栈、路径与风险是否有可追溯依据。
- 04人工审核发布
批准编辑判断，再进入稳定的学习案例库。
- 05每周重新核对
自动识别 README、许可证、技术栈与维护状态变化，依然先审后更新。
方法不是为了证明我们会打分，而是让你更快获得第一次作者经验。
去做第一个作品