news 2026/6/26 2:30:43

开源一个月0 Star 0 Fork,7篇技术文数据复盘:什么选题值得写,什么选题是踩坑

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
开源一个月0 Star 0 Fork,7篇技术文数据复盘:什么选题值得写,什么选题是踩坑

本文收录专栏「一个人用AI做工具矩阵」,第三季「架构与思维」第2篇。

5月21号,我把智播坊开源到了Gitee。一周后,智枢矩阵也开源了。

到今天,两个仓库的数据是这样的:

指标

智枢矩阵

智播坊

Star

0

0

Fork

0

0

Watch

1

0

Issue

0

0

PR

0

0

对,你没看错,一个月,双蛋

如果你也开源过项目,大概率知道这种心情——你花了好几天写README、录Demo视频、写开源宣布文章,结果就像往海里扔了颗石子,连个水花都没有。

但这一个月不是白过的。我在CSDN发了7篇技术文章,数据虽然不算炸裂,但起伏规律非常有意思。今天这篇,把所有数据摊开,说说哪些选题值得写,哪些是踩坑,以及一个0 Star开源项目的下一步怎么走。

一、7篇文章的完整数据

#

标题

类型

阅读

收藏

收藏率

4

AI生成表单:从自然语言到JSON Schema

概览

755

20

11

1.46%

5

我用AI一周做了个口播视频平台,现在开源了

开源宣布

~1000

32

5

0.50%

6

我又用AI做了一个智能表单平台,也开源了

开源宣布

753

20

5

0.66%

7

FFmpeg+TTS流水线:口播视频的9步全自动合成

技术深潜

~795

15

1.89%

8

Vue3拖拽排序方案对比:vuedraggable vs 原生 vs useSortable

对比测评

~682

3

0.44%

10

AI Agent实战:多轮对话生成表单全链路

技术深潜

489

10

5

1.02%

11

独立开发者多项目架构:为什么放弃Monorepo

架构思维

458

10

3

0.66%

注:#9火山方舟TTS v3接入和#4 AI生成表单概览数据为发布次日快照后的持续增长值,部分阅读量取近似值。

评论数?全部为0。这不是文章写得不好,是CSDN的生态特征——后面细说。

二、三个发现

发现一:稀缺性 > 对比测评 > 开源宣布

按收藏率排序,规律很清晰:

#7 FFmpeg+TTS流水线 1.89% ← 独一份的内容 #4 AI生成表单概览 1.46% ← AI Agent+表单,被社区收录了 #10 AI对话生成表单全链路 1.02% ← 有深度的实战拆解 #6 表单开源宣布 0.66% #11 多项目架构 0.66% #5 智播坊开源宣布 0.50% #8 Vue3拖拽排序对比 0.44% ← 选题太卷

收藏率最高的#7,讲的是"FFmpeg+TTS+字幕时间轴"这条完整流水线。CSDN上搜"FFmpeg TTS",出来的都是单点教程——要么只讲FFmpeg命令,要么只讲TTS调用。把整条流水线从零串通的,几乎没有。

收藏率最低的#8,讲Vue3拖拽排序方案对比。这个选题我以为是好选题——对比测评,读者应该爱看。但CSDN上"Vue3拖拽排序"一搜几十篇,你的对比再全面,也只是第51篇。卷赛道里做对比,不如空白赛道里做第一。

开源宣布型(#5、#6)阅读量不低,但收藏率在0.5%-0.66%之间——读者看了觉得"哦,开源了,不错",但不会收藏,因为没有可复用的技术点。

结论:收藏率 = 实用价值的硬指标。稀缺选题写1篇 > 卷选题写5篇。

发现二:开源宣布拉展现,技术深潜拉收藏

如果目标是"让更多人知道你的项目",开源宣布型文章有用——阅读量确实比技术文高。

但如果目标是"让读者觉得你靠谱、记住你、后续关注你",技术深潜型更有效。#7的15个收藏意味着至少15个人觉得"这文章我以后还要看",这种长期价值是开源宣布型给不了的。

理想节奏:开源宣布打认知 → 技术深潜建信任 → 互动引导拉关系。三步都得有,不能只做一步。

发现三:评论为0是结构性问题,不是文章问题

7篇文章,0评论。我一度怀疑是不是文章写得没互动性。但翻了CSDN同领域的其他作者,发现评论为0是普遍现象——CSDN用户的互动习惯就是"看完就走",收藏比评论容易得多。

所以我的策略调整了:不再追求评论率,把核心指标放在收藏率上。收藏率>1%就算合格,>1.5%算优秀。

CSDN的推荐算法看两个东西:完播率(读者有没有看完)+ 互动率(赞+藏+评)。评论你控制不了,但完播率和收藏率可以通过选题和内容质量控制。

三、0 Star复盘:开源不等于有人用

3.1 Gitee的流量逻辑

Gitee跟GitHub不一样。GitHub有trending、有explore、有搜索权重,好项目有一定概率被自然发现。Gitee的流量主要来自站内搜索和推荐,但推荐的权重明显偏向已有Star的项目——0 Star的项目在推荐列表里几乎不可见。

换句话说:Gitee上的0 Star项目,需要外部流量导入。没有人会主动搜到你。

3.2 我的导入情况

我在CSDN文章里放了Gitee链接,7篇文章总阅读5000+,但转化到Gitee的……0 Star。

这说明什么?CSDN读者的行为链路是:看文章 → 觉得有用 → 收藏文章 → 结束。从"收藏文章"到"去Gitee点Star"之间,有一个巨大的行为鸿沟。

读者收藏了你的FFmpeg教程,不代表他想clone你的代码。这两件事的动机完全不同:

• 收藏文章 = "这个技术点我以后可能用到"

• Star项目 = "我想持续关注这个项目" 或 "我想试试跑起来"

3.3 0 Star不代表0价值

虽然Gitee数据为零,但这一个月不是没有收获:

• CSDN总阅读5000+,总收藏约47次

• #4被AI Agent技术社区收录

• #5被AtomGit开源社区收录

• 有微信咨询商业授权的(虽然还没成交)

• 专栏关注人数在缓慢增长

这些不是虚荣指标——阅读和收藏是信任的积累,只是还没到转化Star的那一步。

四、下一步调整

数据复盘的目的是调整策略,不是自我安慰。根据这7篇数据,我做三个调整:

4.1 选题策略:只做稀缺赛道

之前的选题有两种:我觉得有用的 vs 读者真正缺的。#8 Vue3拖拽对比是前者,#7 FFmpeg+TTS流水线是后者。

以后选题前先搜CSDN,同类文章>10篇的不写。省下的时间去做空白赛道。

4.2 转化链路优化:文章 → 体验 → Star

当前链路断了:文章有阅读,但没人去Gitee。需要在中间加一步——让读者先体验,再决定要不要Star

具体动作:

• 文章里不只放Gitee链接,同时放在线Demo链接,降低体验门槛

• 在文章结尾加"在线体验5分钟 > 看源码5小时"的引导

• Demo里加一个"觉得好用?给个Star"的轻量提示

4.3 渠道拓展:CSDN不够

CSDN的优势是搜索流量和长尾效应,劣势是社区互动弱、转化链路长。需要补其他渠道:

掘金:前端社区活跃度高,技术文互动率比CSDN好

V2EX:独立开发者聚集地,0 Star的故事可能有共鸣

小红书:之前起号慢,但换个角度——"0 Star独立开发者日记"可能反而是内容

五、给也在做开源的独立开发者的建议

如果你也在做开源项目,还在犹豫要不要开始写文章,我的建议是:

1.不要等有Star了再复盘,0 Star的复盘最值钱。等你有1000 Star再写,反而没人看——因为那时候你写什么都有人点赞,失去了参考价值

2.选题先搜再写。同类文章>10篇的赛道,你写得再好也是第11篇

3.开源宣布只是起点,不是终点。一篇开源宣布文带来的阅读量是脉冲式的,3天后就归零。真正持续拉流量的是技术深潜文章

4.收藏率 > 阅读量。1000阅读0收藏的文章,不如500阅读10收藏的

5.把0当数据,不把0当失败。0 Star告诉你的信息量,跟100 Star一样多——它说明你的分发渠道不对、转化链路断了、或者项目定位和受众不匹配

六、真实数据摊在这了

这篇文章没有任何包装。0 Star就是0 Star,0评论就是0评论。

但我相信一件事:诚实的复盘比吹牛的案例更有长期价值。等哪天智枢矩阵有了100个Star,我再来写一篇"从0到100"的复盘,那才是一个完整的故事。

现在这个0到0的复盘,是故事的第一章。

如果你也在做独立开发、开源项目,或者对"AI增强型独立开发"的模式感兴趣,欢迎来交流。你的开源项目现在是什么状态?Star数是多少?评论区聊聊,哪怕是0——0是最好的起点👇

⚙️相关链接

• 智枢矩阵开源地址:https://gitee.com/zhang-dongtao/zhishu-matrix-open

• 智枢矩阵在线体验:https://www.zhishujuzhen.com

• 智播坊开源地址:https://gitee.com/zhang-dongtao/zhibofang

• 智播坊在线体验:https://zhibofang.zhishujuzhen.com/

• 上一篇:独立开发者多项目架构:共享模块+AI串联,我为什么放弃Monorepo

关于作者:独立开发者,用 AI 当队友,一个人干一个团队的活。专注 AI + 工具矩阵方向,智枢矩阵作者。开源一个月,0 Star,但还在写。

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/6/26 2:22:20

agent的记忆怎么设计

agent为什么需要记忆?LLM本身是无状态的,上下文窗口context有限,每次推理调用都是成本有记忆能补充上下文,依据这个记忆来整合推理,而非每次都从新开始解决:当前会话内的上下文连贯性跨会话的知识持久化对应…

作者头像 李华
网站建设 2026/6/26 2:22:13

Suricata深度流量分析:解密HTTPS与高级威胁狩猎实战指南

1. 项目概述:从“看热闹”到“看门道”的流量分析进阶在网络安全这个行当里干了十几年,我见过太多同行把流量分析工具当“黑盒子”用。抓个包,导进Suricata或者Wireshark,看着花花绿绿的告警弹窗,要么一头雾水&#xf…

作者头像 李华
网站建设 2026/6/26 2:20:12

flink统计文本单词数量

1.flink统计文本单词数量package com.ycl;import org.apache.flink.api.common.functions.FlatMapFunction; import org.apache.flink.api.java.ExecutionEnvironment; import org.apache.flink.api.java.operators.AggregateOperator; import org.apache.flink.api.java.opera…

作者头像 李华
网站建设 2026/6/26 2:18:34

lark-cli 设计:Raw、资源 API、Shortcut

先看结论 lark-cli 不是简单把飞书 API 包一层命令,而是把复杂 SaaS 平台拆成三种 CLI 能力: 资源 API:把平台 OpenAPI 元数据映射成 service resource method,用于结构化覆盖。Raw API:保留 HTTP method OpenAPI p…

作者头像 李华
网站建设 2026/6/26 2:16:29

2026实测盘点:16款降AI率工具测评,论文安全过关就靠它!

随着AI写作技术的迅猛发展,越来越多的学术创作者开始依赖各类智能工具提升写作效率。然而,2026年各大高校与科研机构对AIGC内容的检测标准愈发严格,论文中哪怕一丝一毫的AI痕迹都可能成为被质疑的隐患。在这样的背景下,如何有效降…

作者头像 李华